自定义训练

总览

在这里,我们提供了经过各种数据集训练的 Google Colaboratory(又名 Colab 或简称 colabs)笔记本的示例。它们是免费的 GPU 实例,因此非常适合原型甚至简单的生产模型。

教程

以下教程基于 MobileNetv2-SSD,MobileNetv2-SSD 是一个性能不错的框架对象检测器,它本身在 DepthAI 上运行。可以在 Colab 上训练/支持许多其他对象检测器并在 DepthAI 上运行它们,因此,如果您需要其他对象检测器/网络后端,请随时发出 GitHub 问题!

简易物体检测器训练 Open In Colab

教程笔记本 Easy_Object_Detection_With_Custom_Data_Demo_Training.ipynb 显示了如何基于Mobilenet SSDv2网络快速训练对象检测器。

(可选), 请参阅有关此模块的文档 (此处) 以获取有关如何使用此笔记本的指南/演练。此外,可以随意跳进笔记本电脑,通过一些实验,训练模型相对简单。

训练完成后,它还将模型转换为在我们的 DepthAI 平台和模块上运行的.blob 文件。首先,将模型转换为 OpenVINO 可以使用的称为中间表示(IR)的格式。然后使用我们为此设置的服务器将 IR 模型编译为.blob 文件。 (IR 模型也可以 本地转换为Blob )。

就是这样,在不到两个小时的时间内,相当先进的概念证明对象检测器就可以在 DepthAI 上运行,以检测您选择的对象及其相关的空间信息(即 xyz 位置)。例如,此笔记本用于训练 DepthAI 在 3D 空间中定位草莓,请参见下文:

Real-time 3D Strawberry Detector

上面的示例使用了 DepthAI 模块化相机版本 (BW1098FFC).

COVID-19 蒙面/不蒙面训练 Open In Colab

Medical Mask Detection Demo Training.ipynb 训练笔记本显示了更复杂的对象检测器的另一个示例。训练数据集包括戴着或不戴着口罩进行病毒防护的人员。大约有 700 张图片,带有大约 3600 个边框注释。图像很复杂:它们的比例和构图变化很大。尽管如此,对于这种任务而言,对象检测器在这个相对较小的数据集中却表现出色。同样,训练大约需要 2 个小时。取决于 Colab 彩票分配给笔记本实例的 GPU,训练 10k 步骤可能需要 2.5 个小时或 1.5 个小时。无论哪种方式,对于如此艰巨的任务而言,在短期内就无法获得如此优质的概念证明。然后,我们执行了上面的步骤以转换为Blob,然后在DepthAI模块上运行它。

以下是在 Luxonis DepthAI 车载摄像头版本 (BW1098OBC) 上使用此笔记本电脑生产的型号的快速测试:

COVID19 Mask Detector

配套笔记本

在 Google 云端硬盘中调整图片大小 Open In Colab

该笔记本将在您的Google云端硬盘中处理一组图像,以将其调整为训练笔记本所需的格式。有关更多详细信息, 请参见 此处 的文档。

有疑问?

我们很乐意为您提供代码或其他问题的帮助。