如何用SimpleDet完成目標檢測與物體識別？
2020-11-05 08:57
磐創AI
關注
引言
SimpleDet是一套簡單通用的目標檢測與物體識別的框架。整套框架基于MXNet的原生API完成。
主要特點
FP16訓練可節省內存并加速2．5倍開箱即用的高度可擴展的分布式訓練全面涵蓋了最先進的模型，包括FasterRCNN， MaskRCNN， CascadeRCNN， RetinaNet， DCNv1／v2， TridentNet， NASFPN ， EfficientNet， 和 Kownledge Distillation。廣泛的功能集，包括大批次BN，同步損失，自動BN融合，soft NMS，多尺度訓練／測試模塊化設計，無需編碼即可探索新的實驗設置廣泛的文檔，包括帶注釋的配置、Fintuning指南。
目 錄
1．基準測試
1．1對SimpleDet進行基準測試，給出測試平臺和測試結果。
2．構建wheel包
2．1介紹將自定義mxnet打包為用于本地安裝的python wheel的過程。
3．數據集
3．1介紹了從COCO格式，VOC格式或JSON格式創建roidb的過程。
4．分布式訓練
4．1提供啟動具有Singularity包的分布式訓練的指南
5．微調
5．1本文檔介紹了為你的自定義數據集啟用現有模型的過程。
6．框架概述
6．1概述檢測器及組件
7．安裝
7．1介紹安裝過程
8．tensorboard
8．1設置tensorboard以及在shell發布
更新計劃
每周兩篇，歡迎持續關注，一起進步。
☆ END ☆
分享
聲明：
本文由入駐維科號的作者撰寫，觀點僅代表作者本人，不代表OFweek立場。如有侵權或其他問題，請聯系舉報。
請輸入評論內容...
請輸入評論/評論長度6~500個字
最新活動更多
- 1 AI狂歡遇上油價破百，全球股市還能漲多久？ | 產聯看全球
- 2 OpenAI深夜王炸！ChatGPT Images 2.0實測：中文穩、細節炸，設計師慌了
- 3 6000億美元估值錨定：字節跳動的“去單一化”突圍與估值重構
- 4 Tesla AI5芯片最新進展總結
- 5 連夜測了一波DeepSeek-V4，我發現它可能只剩“審美”這個短板了
- 6 熱點丨AI“瑜亮之爭”：既生OpenClaw，何生Hermes？
- 7 AI界的殺豬盤：9秒刪庫跑路，全員被封號，還繼續扣錢！
- 8 2026，人形機器人只贏了面子
- 9 DeepSeek降價90%：價格屠夫不是身份，是戰略
- 10 AI Infra產業鏈卡在哪里了？
