SSD基本检测

训练命令参考

模型训练的启动参考以下命令。

python3 model_train.py --train_dataset_path={train_dataset_path} --train_output_path=./output_dir --pretrained_ckpt_path=./pre_trained_ckpt --epoch_size=5 --batch_size=2 --input_width=2048 --input_height=1536 --init_lr=0.001 --device_num=0

模型训练过程存在随机性，最终以评估精度为准。训练精度如图1所示。

训练结束后日志信息参考如图2所示。

训练结束后会在“--train_output_path”参数指定的输出目录中生成.ckpt、.om和.air格式的模型文件。

评估命令参考

模型评估的启动参考以下命令。

python3 model_eval.py --eval_dataset_path={eval_dataset_path} --eval_ckpt_path=./output_dir --eval_output_path=./eval_result --min_score=0.01 --nms_threshold=0.2

采用训练输出的ckpt，来评估模型的精度值，呈现结果如图3所示。

在评估目录下会生成如图4所示的文件及目录，其中“ok_images”、“ng_fp_images”和“ng_fn_images”文件夹存放评估图片的结果、“statistics.csv”存放对应的精度结果。