--- title: YOLACT_plus-PyTorch-模型库-ModelZoo-昇腾社区 description: 生态贡献模型 keywords: YOLACT,PyTorch,模型库,ModelZoo,昇腾社区,概述,简述,准备训练环境 url: https://www.hiascend.com/software/modelzoo/models/detail/fecde923c39d4b21b1f0b7470056987b?index_id=fecde923c39d4b21b1f0b7470056987b section: (其他) --- # YOLACT_plus-PyTorch-模型库-ModelZoo-昇腾社区 URL: https://www.hiascend.com/software/modelzoo/models/detail/fecde923c39d4b21b1f0b7470056987b?index_id=fecde923c39d4b21b1f0b7470056987b 描述: 生态贡献模型 关键词: YOLACT,PyTorch,模型库,ModelZoo,昇腾社区,概述,简述,准备训练环境 ModelZoo主页 主页 [了解详情](https://www.hiascend.com/software/modelzoo)大模型 [了解详情](https://www.hiascend.com/software/modelzoo/big-models)模型库 [了解详情](https://www.hiascend.com/software/modelzoo/models)工具库 [了解详情](https://www.hiascend.com/software/modelzoo/tools)权重库 [了解详情](https://www.hiascend.com/software/modelzoo/datasets)ModelShow [了解详情](https://www.hiascend.com/software/modelzoo/modelshow)DeepSeek专区HOT [了解详情](https://www.hiascend.com/developer/deepseek)文档中心论坛交流 主页 [了解详情](https://www.hiascend.com/software/modelzoo)大模型 [了解详情](https://www.hiascend.com/software/modelzoo/big-models)模型库 [了解详情](https://www.hiascend.com/software/modelzoo/models)工具库 [了解详情](https://www.hiascend.com/software/modelzoo/tools)权重库 [了解详情](https://www.hiascend.com/software/modelzoo/datasets)ModelShow [了解详情](https://www.hiascend.com/software/modelzoo/modelshow)DeepSeek专区HOT [了解详情](https://www.hiascend.com/developer/deepseek)文档中心论坛交流 模型库 [了解详情](https://www.hiascend.com/software/modelzoo/models) YOLACT_plus-PyTorch ## YOLACT_plus-PyTorch 视觉检测与跟踪PyTorch训练98次浏览2026/01/19更新 查看模型源码 YOLACT_plus-PyTorch 查看模型源码 ... # 概述 ## 简述 YOLACT++是用于实时实例分割的卷积神经网络，该网络将DCNv2和ResNet的残差单元结合，相比Yolact网络，一是在backbone中将简单的卷积网络替换成了可变性卷积层DCNv2，二是在计算精度时使用了一个maskiou网络，使mask的估计更加准确。 - 参考实现： ``` url=https://github.com/dbolya/yolact.git commit_id=57b8f2d95e62e2e649b382f516ab41f949b57239 ``` - 适配昇腾 AI 处理器的实现： ``` url=https://gitee.com/ascend/ModelZoo-PyTorch.git code_path=PyTorch/contrib/cv/detection ``` # 准备训练环境 ## 准备环境 - 当前模型支持的 PyTorch 版本和已知三方库依赖如下表所示。 表 1版本支持表 | Torch_Version | 三方库依赖版本 | | --- | ---| | PyTorch 1.5 | torchvision==0.6.0；pillow==8.4.0 | | PyTorch 1.8 | torchvision==0.9.1；pillow==9.1.0 | - 环境准备指导。 请参考《Pytorch框架训练环境准备 [了解详情](https://www.hiascend.com/document/detail/zh/ModelZoo/pytorchframework/ptes)》。 - 安装依赖。 在模型源码包根目录下执行命令，安装模型对应PyTorch版本需要的依赖。 ``` pip install -r 1.5_requirements.txt # PyTorch1.5版本 pip install -r 1.8_requirements.txt # PyTorch1.8版本 ``` 说明：只需执行一条对应的PyTorch版本依赖安装命令。 ## 准备数据集 1. 获取数据集。 用户可通过脚本获取训练数据集coco2017，在源码包根目录下执行以下命令。 ``` bash data/scripts/COCO.sh ``` 数据集目录结构参考如下所示。 ``` ├── coco2017 │ ├── annotations │ ├── captions_train2017.json │ ├── captions_val2017.json │ ├── instances_train2017.json │ ├── instances_val2017.json │ ├── person_keypoints_train2017.json │ ├── person_keypoints_val2017.json │ ├── train2017 │ ├── 000000000009.jpg │ ├── 000000000025.jpg │ ├── ...... │ ├── val2017 │ ├── 000000000139.jpg │ ├── 000000000285.jpg │ │ ... ``` 说明：该数据集的训练过程脚本只作为一种参考示例。 ## 获取预训练模型 1. 请用户根据需要自行获取预训练模型，将获取的预训练模型放至在源码包根目录下新建的`weights/`目录下，预训练模型对应的命名全称如下所示。 ``` Resnet101: resnet101_reducedfc.pth Resnet50： resnet50-19c8e357.pth Darknet53： darknet53.pth ``` # 开始训练 ## 训练模型 1. 进入解压后的源码包根目录。 ``` cd /${模型文件夹名称} ``` 2. 运行训练脚本。 该模型支持单机单卡训练和单机8卡训练。 - 单机单卡训练 启动单卡训练。 ``` bash ./test/train_full_1p.sh --data_path=/data/xxx/ # 单卡精度 bash ./test/train_performance_1p.sh --data_path=/data/xxx/ # 单卡性能 ``` - 单机8卡训练 启动8卡训练。 ``` bash ./test/train_full_8p.sh --data_path=/data/xxx/ # 8卡精度 bash ./test/train_performance_8p.sh --data_path=/data/xxx/ # 8卡性能 ``` - 单机单卡评测 启动单卡评测。 ``` bash ./test/train_eval_1p.sh --data_path=/data/xxx/ --pth_path=ckpt_path ``` --data_path参数填写数据集路径，需写到数据集的一级目录。 --pth_path参数填写训练生成的权重文件路径。 模型训练脚本参数说明如下。 ``` 公共参数： --batch_size //训练批次大小 --data_path //数据集路径 --momentum //动量 --weight_decay //权重衰减 --seed //随机数种子设置 --learning_rate //初始学习率 --max_iter //训练迭代数 ``` 训练完成后，权重文件保存在当前路径下，并输出模型训练精度和性能信息。 # 训练结果展示 表 2训练结果展示表 | NAME | Acc@1 | FPS | AMP_Type | | --- | --- | --- | ---| | NPU-1p | - | 3.153 | O0 | | NPU-8p | 33.49 | 14.677 | O0 | # 版本说明 ## 变更 2023.03.10：更新内容，重新发布。 2020.07.08：首次发布。 ## FAQ 无。 # 公网地址说明 代码涉及公网地址参考 public_address_statement.md | 版本 | 更新时间 | 精度 | 处理器 | CANN版本 | 操作 | | --- | --- | --- | --- | --- | ---| 暂无数据 使用模型资源和服务前，请您仔细阅读并理解透彻《昇腾深度学习模型许可协议 3.0》 [了解详情](https://www.hiascend.com/legal/modelzoo_models_license)