ymir-nanodet 镜像说明文档#
Super fast and high accuracy lightweight anchor-free object detection model. Real-time on mobile devices.
代码仓库#
镜像地址#
youdaoyzbx/ymir-executor:ymir2.0.0-nanodet-cu111-tmi
youdaoyzbx/ymir-executor:ymir2.0.2-nanodet-cu111-tmi
性能说明#
| Model | Resolution | mAPval 0.5:0.95 |
CPU Latency (i7-8700) |
ARM Latency (4xA76) |
FLOPS | Params | Model Size |
|---|---|---|---|---|---|---|---|
| NanoDet-m | 320*320 | 20.6 | 4.98ms | 10.23ms | 0.72G | 0.95M | 1.8MB(FP16) | 980KB(INT8) |
| NanoDet-Plus-m | 320*320 | 27.0 | 5.25ms | 11.97ms | 0.9G | 1.17M | 2.3MB(FP16) | 1.2MB(INT8) |
| NanoDet-Plus-m | 416*416 | 30.4 | 8.32ms | 19.77ms | 1.52G | 1.17M | 2.3MB(FP16) | 1.2MB(INT8) |
| NanoDet-Plus-m-1.5x | 320*320 | 29.9 | 7.21ms | 15.90ms | 1.75G | 2.44M | 4.7MB(FP16) | 2.3MB(INT8) |
| NanoDet-Plus-m-1.5x | 416*416 | 34.1 | 11.50ms | 25.49ms | 2.97G | 2.44M | 4.7MB(FP16) | 2.3MB(INT8) |
| YOLOv3-Tiny | 416*416 | 16.6 | - | 37.6ms | 5.62G | 8.86M | 33.7MB |
| YOLOv4-Tiny | 416*416 | 21.7 | - | 32.81ms | 6.96G | 6.06M | 23.0MB |
| YOLOX-Nano | 416*416 | 25.8 | - | 23.08ms | 1.08G | 0.91M | 1.8MB(FP16) |
| YOLOv5-n | 640*640 | 28.4 | - | 44.39ms | 4.5G | 1.9M | 3.8MB(FP16) |
| FBNetV5 | 320*640 | 30.4 | - | - | 1.8G | - | - |
| MobileDet | 320*320 | 25.6 | - | - | 0.9G | - | - |
Download pre-trained models and find more models in Model Zoo or in Release Files
训练参数#
| 超参数 | 默认值 | 类型 | 说明 | 建议 |
|---|---|---|---|---|
| hyper-parameter | default value | type | note | advice |
| shm_size | 128G | 字符串 | 受ymir后台处理，docker image 可用共享内存 | 建议大小：镜像占用GPU数 * 32G |
| export_format | ark:raw | 字符串 | 受ymir后台处理，ymir数据集导出格式 | - |
| batch_size_per_gpu | 16 | 整数 | 每张GPU一次处理的图片数量 | 建议大小：显存占用<50% 可增加2倍加快训练速度 |
| workers_per_gpu | 4 | 整数 | 每张GPU对应的数据读取进程数 | - |
| config_file | config/nanodet-plus-m_416.yml | 文件路径 | 配置文件路径 | 参考config |
| epochs | 100 | 整数 | 整个数据集的训练遍历次数 | 建议：必要时分析tensorboard确定是否有必要改变，一般采用默认值即可 |
| input_size | -1 | 整数 | 输入模型的图像分辨率 | -1表示采用config_file中定义的图像大小 |
| learning_rate | -1 | 浮点数 | 学习率 | -1表示采用config_file中定义的学习率 |
| resume | False | 布尔型 | 是否继续训练 | 设置为True可实现提前中断与继续训练功能 |
| load_from | '' | 文件路径 | 加载权重位置 | 设置后可加载指定位置的权重文件 |
推理参数#
| 超参数 | 默认值 | 类型 | 说明 | 建议 |
|---|---|---|---|---|
| hyper-parameter | default value | type | note | advice |
| batch_size_per_gpu | 16 | 整数 | 每张GPU一次处理的图片数量 | 建议大小：显存占用<50% 可增加2倍加快训练速度 |
| workers_per_gpu | 4 | 整数 | 每张GPU对应的数据读取进程数 | - |
| conf_thres | 0.35 | 浮点数 | 置信度阈值 | - |
| pin_memory | False | 布尔型 | 是否为数据集单独固定内存? | 内存充足时改为True可加快数据集加载 |
挖掘参数#
| 超参数 | 默认值 | 类型 | 说明 | 建议 |
|---|---|---|---|---|
| hyper-parameter | default value | type | note | advice |
| batch_size_per_gpu | 16 | 整数 | 每张GPU一次处理的图片数量 | 建议大小：显存占用<50% 可增加2倍加快训练速度 |
| workers_per_gpu | 4 | 整数 | 每张GPU对应的数据读取进程数 | - |
| conf_thres | 0.35 | 浮点数 | 置信度阈值 | - |
| pin_memory | False | 布尔型 | 是否为数据集单独固定内存? | 内存充足时改为True可加快数据集加载 |
说明 1. nanodet仅支持aldd挖掘算法
引用#
@misc{=nanodet,
title={NanoDet-Plus: Super fast and high accuracy lightweight anchor-free object detection model.},
author={RangiLyu},
howpublished = {\url{https://github.com/RangiLyu/nanodet}},
year={2021}
}