Skip to content

Latest commit

 

History

History
 
 

ppvehicle

README.md

简体中文 | English

PP-YOLOE Vehicle 检测模型

PaddleDetection团队提供了针对自动驾驶场景的基于PP-YOLOE的检测模型，用户可以下载模型进行使用，主要包含5个数据集(BDD100K-DET、BDD100K-MOT、UA-DETRAC、PPVehicle9cls、PPVehicle)。其中前3者为公开数据集，后两者为整合数据集。

  • BDD100K-DET具体类别为10类，包括pedestrian(1), rider(2), car(3), truck(4), bus(5), train(6), motorcycle(7), bicycle(8), traffic light(9), traffic sign(10)。
  • BDD100K-MOT具体类别为8类，包括pedestrian(1), rider(2), car(3), truck(4), bus(5), train(6), motorcycle(7), bicycle(8)，但数据集比BDD100K-DET更大更多。
  • UA-DETRAC具体类别为4类，包括car(1), bus(2), van(3), others(4)。
  • PPVehicle9cls数据集整合了BDD100K-MOT和UA-DETRAC，具体类别为9类，包括pedestrian(1), rider(2), car(3), truck(4), bus(5), van(6), motorcycle(7), bicycle(8), others(9)。
  • PPVehicle数据集整合了BDD100K-MOT和UA-DETRAC，是将BDD100K-MOT中的car, truck, bus, van和UA-DETRAC中的car, bus, van都合并为1类vehicle(1)后的数据集。
模型 数据集 类别数 mAPval
0.5:0.95		 下载链接 配置文件
PP-YOLOE-l BDD100K-DET 10 35.6 下载链接 配置文件
PP-YOLOE-l BDD100K-MOT 8 33.7 下载链接 配置文件
PP-YOLOE-l UA-DETRAC 4 51.4 下载链接 配置文件
PP-YOLOE-l PPVehicle9cls 9 40.0 下载链接 配置文件
PP-YOLOE-s PPVehicle9cls 9 35.3 下载链接 配置文件
PP-YOLOE-l PPVehicle 1 63.9 下载链接 配置文件
PP-YOLOE-s PPVehicle 1 61.3 下载链接 配置文件

注意:

  • PP-YOLOE模型训练过程中使用8 GPUs进行混合精度训练，如果GPU卡数或者batch size发生了改变，你需要按照公式 lrnew = lrdefault * (batch_sizenew * GPU_numbernew) / (batch_sizedefault * GPU_numberdefault) 调整学习率。
  • 具体使用教程请参考ppyoloe。
  • 如需预测出对应类别，可自行修改和添加对应的label_list.txt文件(一行记录一个对应种类)，TestDataset中的anno_path为绝对路径，如：
TestDataset:
  !ImageFolder
    anno_path: label_list.txt # 如不使用dataset_dir，则anno_path即为相对于PaddleDetection主目录的相对路径
    # dataset_dir: dataset/ppvehicle # 如使用dataset_dir，则dataset_dir/anno_path作为新的anno_path

label_list.txt里的一行记录一个对应种类，如下所示：

vehicle

YOLOv3 Vehicle 检测模型

请参考Vehicle_YOLOv3页面

PP-OCRv3 车牌识别模型

车牌识别采用Paddle自研超轻量级模型PP-OCRv3_det、PP-OCRv3_rec。在CCPD数据集（CCPD2019+CCPD2020车牌数据集）上进行了fine-tune。模型训练基于PaddleOCR完成，我们提供了预测模型下载：

模型 数据集 精度 下载 配置文件
PP-OCRv3_det CCPD组合数据集 hmean:0.979 下载链接 配置文件
PP-OCRv3_rec CCPD组合数据集 acc:0.773 下载链接 配置文件

PP-LCNet 车牌属性模型

车牌属性采用Paddle自研超轻量级模型PP-LCNet。在VeRi数据集进行训练。模型训练基于PaddleClas完成，我们提供了预测模型下载：

模型 数据集 精度 下载 配置文件
PP-LCNet_x1_0 VeRi数据集 90.81 下载链接 配置文件

引用

@InProceedings{bdd100k,
    author = {Yu, Fisher and Chen, Haofeng and Wang, Xin and Xian, Wenqi and Chen,
              Yingying and Liu, Fangchen and Madhavan, Vashisht and Darrell, Trevor},
    title = {BDD100K: A Diverse Driving Dataset for Heterogeneous Multitask Learning},
    booktitle = {IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)},
    month = {June},
    year = {2020}
}

@article{CVIU_UA-DETRAC,
    author = {Longyin Wen and Dawei Du and Zhaowei Cai and Zhen Lei and Ming{-}Ching Chang and
              Honggang Qi and Jongwoo Lim and Ming{-}Hsuan Yang and Siwei Lyu},
    title = {{UA-DETRAC:} {A} New Benchmark and Protocol for Multi-Object Detection and Tracking},
    journal = {Computer Vision and Image Understanding},
    year = {2020}
}