More than 3 years have passed since last update.

yolactを実装してみる

Last updated at 2020-07-15Posted at 2020-06-17

環境

CUDA V10.0.130
Python 3.7.3
gcc 7.3.0
Pytorch 1.2.0

セットアップ

git clone https://github.com/dbolya/yolact.git
cd yolact
pip install opencv-python pillow==6.2.1 pycocotools matplotlib
pip install cython
pip install torch==1.2.0 torchvision==0.4.0    # CUDA10.0で安定

yolact++を使用する場合、DCNv2をコンパイル

cd external/DCNv2
python setup.py develop

学習済みモデルで推論

学習済みモデルをダウンロード
https://drive.google.com/file/d/15id0Qq5eqRbkD-N3ZjDZXdCvRyIaHpFB/view?usp=sharing

推論を実行

画像

python eval.py 
    --trained_model=weights/yolact_base_54_800000.pth  
    --score_threshold=0.15 
    --top_k=15 
    --images=path/to/input/folder:path/to/output/folder

動画

python eval.py 
    --trained_model=weights/yolact_base_54_800000.pth 
    --score_threshold=0.15 
    --top_k=15 
    --video_multiframe=4 
    --video=input_video.mp4:output_video.mp4

オリジナルデータで学習

coco形式でデータセットを準備

dataset_name/
├── test
│   ├── test.json
│   └── images/
└── train
    ├── train.json
    └── images/

学習前のモデルをダウンロード

configファイルを修正(2箇所)
まずデータベース定義を記入して、

data/config.py

    test_dataset = dataset_base.copy({
        'name': 'Test Dataset',

        'train_images': '~/dataset_name/train/images/',
        'train_info':   '~/dataset_name/train/train.json',

        'valid_images': '~/dataset_name/test/images/',
        'valid_info':   '~/dataset_name/test/test.json',

        'has_gt': True,
        'class_names': ('class_1', 'class_2', 'class_3', ...),    # クラス名を定義
        'label_map': {'class_id_1': 1, 'class_id_2': 2, ...}    # class idの辞書
    })

次にデフォルトのconfigファイルを変更して終了。

data/config.py

    yolact_base_config = coco_base_config.copy({
        'name': 'yolact_base',

        # Dataset stuff
        # 'dataset': coco2017_dataset,    # default
        'dataset': test_dataset,    # Original Dataset

        # 'num_classes': len(coco2017_dataset.class_names) + 1,
        'num_classes': len(test_dataset.class_names) + 1,
    })

学習

モデルに応じてconfigは変更
save_folder内に初期モデル(resnet50-19c8e357.pth)を格納

python train.py --config=yolact_plus_resnet50_config --save_folder=/path/to/workspace/ --save_interval=1000

モデル精度評価
- 以下のコードで評価できる。
- --output_coco_json を末尾につけると、~/results/以下にjsonファイルを生成できる。
```
python eval.py --trained_model=weights/yolact_base_54_800000.pth
```

You get articles that match your needs
You can efficiently read back useful information
You can use dark theme

What you can do with signing up