PaddleDetection/configs/visdrone

• VisDrone-DET 检测模型
• • 原图训练：
  • 原图评估和拼图评估对比：
  • 引用

VisDrone-DET 检测模型

PaddleDetection团队提供了针对VisDrone-DET小目标数航拍场景的基于PP-YOLOE的检测模型，用户可以下载模型进行使用。整理后的COCO格式VisDrone-DET数据集下载链接，检测其中的10类，包括 pedestrian(1), people(2), bicycle(3), car(4), van(5), truck(6), tricycle(7), awning-tricycle(8), bus(9), motor(10)，原始数据集下载链接。

注意:

• VisDrone-DET数据集包括train集6471张，val集548张，test_dev集1610张，test-challenge集1580张(未开放检测框标注)，前三者均有开放检测框标注。
• 模型均只使用train集训练，在val集和test_dev集上验证精度，test_dev集图片数较多，精度参考性较高。

原图训练：

模型	COCOAPI mAPval 0.5:0.95	COCOAPI mAPval 0.5	COCOAPI mAPtest_dev 0.5:0.95	COCOAPI mAPtest_dev 0.5	MatlabAPI mAPtest_dev 0.5:0.95	MatlabAPI mAPtest_dev 0.5	下载	配置文件
PP-YOLOE-s	23.5	39.9	19.4	33.6	23.68	40.66	下载链接	配置文件
PP-YOLOE-P2-Alpha-s	24.4	41.6	20.1	34.7	24.55	42.19	下载链接	配置文件
PP-YOLOE-l	29.2	47.3	23.5	39.1	28.00	46.20	下载链接	配置文件
PP-YOLOE-P2-Alpha-l	30.1	48.9	24.3	40.8	28.47	48.16	下载链接	配置文件
PP-YOLOE-Alpha-largesize-l	41.9	65.0	32.3	53.0	37.13	61.15	下载链接	配置文件
PP-YOLOE-P2-Alpha-largesize-l	41.3	64.5	32.4	53.1	37.49	51.54	下载链接	配置文件
PP-YOLOE-plus-largesize-l	43.3	66.7	33.5	54.7	38.24	62.76	下载链接	配置文件

原图评估和拼图评估对比：

模型	数据集	SLICE_SIZE	OVERLAP_RATIO	类别数	mAPval 0.5:0.95	APval 0.5	下载链接	配置文件
PP-YOLOE-l	VisDrone-DET	640	0.25	10	29.7	48.5	下载链接	配置文件
PP-YOLOE-l (Assembled)	VisDrone-DET	640	0.25	10	37.2	59.4	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 lr_new = lr_default * (batch_size_new * GPU_number_new) / (batch_size_default * GPU_number_default) 调整学习率。
• 具体使用教程请参考ppyoloe。
• P2表示增加P2层(1/4下采样层)的特征，共输出4个PPYOLOEHead。
• Alpha表示对CSPResNet骨干网络增加可一个学习权重参数Alpha参与训练。
• largesize表示使用以1600尺度为基础的多尺度训练和1920尺度预测，相应的训练batch_size也减小，以速度来换取高精度。
• MatlabAPI测试是使用官网评测工具VisDrone2018-DET-toolkit。
• 切图训练模型的配置文件及训练相关流程请参照smalldet。

引用

@ARTICLE{9573394,
  author={Zhu, Pengfei and Wen, Longyin and Du, Dawei and Bian, Xiao and Fan, Heng and Hu, Qinghua and Ling, Haibin},
  journal={IEEE Transactions on Pattern Analysis and Machine Intelligence},
  title={Detection and Tracking Meet Drones Challenge},
  year={2021},
  volume={},
  number={},
  pages={1-1},
  doi={10.1109/TPAMI.2021.3119563}
}