全部產品
Search
文件中心

Platform For AI:映像檢測訓練(easycv)

更新時間:Aug 01, 2024

映像檢測訓練(easycv)組件提供了主流的YOLOX和FCOS檢測模型,用於目標檢測的訓練。若需在映像中標識並框選高風險實體,您可使用該組件構建目標檢測模型,並進行推理分析。本文介紹映像檢測訓練(easycv)組件的配置方法和使用樣本。

前提條件

已開通OSS並完成授權,詳情請參見開通OSS服務雲產品依賴與授權:Designer

使用限制

  • Designer提供該演算法組件。

  • 僅支援DLC引擎。

可視化配置組件參數

  • 輸入樁

    輸入樁(從左至右)

    限制資料類型

    建議上遊組件

    是否必選

    訓練資料

    OSS

    讀OSS資料

    否。

    如果沒有通過輸入樁配置該參數,也可以在欄位設定頁簽的訓練資料oss路徑參數中配置。

    評估資料

    OSS

    讀OSS資料

    否。

    如果沒有通過輸入樁配置該參數,也可以在欄位設定頁簽的測試資料oss路徑參數中配置。

    類別列表檔案

    OSS

    讀OSS資料

    否。

    如果沒有通過輸入樁配置該參數,也可以在欄位設定頁簽的類別列表檔案oss路徑參數中配置。

  • 組件參數

    頁簽

    參數

    是否必選

    描述

    預設值

    欄位設定

    訓練模型類型

    訓練所選的模型類型,支援以下取值:

    • FCOS

    • YOLOX

    • YOLOv5

    • YOLOv7

    YOLOX

    訓練所用oss目錄

    儲存訓練模型的OSS目錄。例如examplebucket.oss-cn-shanghai-internal.aliyuncs.com/test/ckpt/。假如為空白,使用工作空間預設路徑

    訓練集標註結果檔案路徑

    • 如果資料來源格式PAI標註格式,則提供檔案尾碼名為manifest的檔案。

    • 如果資料來源格式COCO格式,則提供尾碼名為.json的檔案。

    如果通過了輸入樁配置演算法組件的標註訓練資料,則為空白。如果同時通過輸入樁和該參數配置了演算法組件的標註訓練資料,則優先使用輸入樁配置的輸入。

    測試集標註結果檔案路徑

    • 如果資料來源格式PAI標註格式,則提供檔案尾碼名為manifest的檔案。

    • 如果資料來源格式COCO格式,則提供尾碼名為.json的檔案。

    如果通過了輸入樁配置演算法組件的標註測試資料,則為空白,如果同時通過輸入樁和該參數配置了演算法組件的標註測試資料,則優先使用輸入樁配置的輸入。

    類別列表檔案oss路徑

    填入尾碼名為txt的標籤列表檔案。

    如果通過了輸入樁配置演算法組件的類別列表檔案,則為空白。如果同時通過輸入樁和該參數配置了演算法組件的類別列表檔案,則優先使用輸入樁配置的輸入。

    預訓練模型oss路徑

    如果有自己的預訓練模型,則將該參數配置為自己預訓練模型的OSS路徑。如果沒有配置該參數,則使用PAI提供的預設預訓練模型。

    訓練資料oss路徑

    僅當資料來源格式為COCO格式時候,才會顯示填寫此儲存格,此處填寫的為COCO格式資料的訓練圖片路徑。

    測試資料oss路徑

    僅當資料來源格式為COCO格式時候,才會顯示填寫此儲存格,此處填寫的為COCO格式資料的測試圖片路徑。

    資料來源格式

    支援以下取值:

    • COCO格式

    • PAI標註格式(模型類型YOLOv5、YOLOv7僅支援PAI標註格式的資料集)

    PAI標註格式

    參數設定

    YOLOX模型結構

    僅當訓練模型類型為YOLOX時,才會顯示填寫此儲存格,此處下拉選擇你所想選擇的結構。

    • yolox-s

    • yolox-m

    • yolox-l

    • yolox-x

    yolo-s

    檢測類別數目

    資料中類別標籤的數目。

    20

    映像尺度

    映像resize後的大小,填寫時候記得空格:高和寬之間使用空格分隔例如 320 320。

    320 320

    最佳化方法

    訓練模型類型YOLOX時,支援配置該參數。

    模型訓練的最佳化方法,支援以下取值:

    • momentum

    • adam

    momentum

    初始學習率

    初始學習率

    0.01

    訓練batch_size

    訓練的批大小,即單次模型迭代或訓練過程中使用的樣本數量。

    8

    評估batch_size

    評估的批大小,即單次模型迭代或訓練過程中使用的樣本數量。

    8

    epoch輪數

    總的訓練迭代輪數。

    說明

    如果是YOLOX,總的epoch需要大於warmup epochs + 最後穩定lr的epochs。

    20

    loss列印頻率

    loss(損失值)列印頻率。預設為200,表示每200個訓練批次,列印一次loss(損失值)。

    驗證頻率

    預設為2,表示相隔2個epoch進行驗證。

    warmup epochs

    僅當模型為YOLOX時,需要填寫。

    5

    最後穩定lr的epochs

    僅當模型為YOLOX時,需要填寫。

    5

    匯出的模型類型

    匯出模型的格式,提供兩種匯出格式。

    • raw

    • jit(模型類型YOLOv5、YOLOv7不支援匯出jit格式)

    • onnx

    raw

    儲存checkpoint的頻率

    儲存模型檔案的頻率。取值1表示對所有訓練資料都進行一次迭代。

    1

    執行調優

    gpu機型選擇

    此演算法不支援沒有GPU的機器運行。

    4

    開啟半精度fp16

    是否使用fp16半精度模式。

    false

    單機或分布式

    只支援DLC分布方式訓練。

    分布式DLC

  • 輸出樁

    輸出樁(從左至右)

    資料類型

    下遊組件

    輸出模型

    OSS路徑。該路徑是您在欄位設定頁簽的訓練所用oss目錄參數配置的OSS路徑,訓練產生SavedModel格式的模型儲存在該路徑下。

    通用映像預測

樣本

對於FCOS、YOLOX、YOLOv5、YOLOv7,您可以使用映像檢測訓練(eayscv)演算法組件構建如下工作流程。

image

本樣本中,您需要按照以下流程配置組件:

  1. 通過PAI提供的智能標註模組進行圖片標註,詳情請參見處理標註任務

  2. 使用讀OSS資料組件讀取標註結果檔案xxx.manifest,即配置讀OSS資料組件的OSS資料路徑參數為標註結果資料集的OSS路徑。例如oss://examplebucket.oss-cn-shanghai.aliyuncs.com/ev_demo/xxx.manifest

  3. 將訓練資料和評估資料接入映像檢測訓練(easycv)演算法組件,並配置具體參數,詳情請參見上文的可視化配置組件參數

對於FCOS、YOLOX,您還可以通過通用映像預測組件進行離線推理,詳情請參見通用映像預測

3eeb980b8371052b9785a02f3719c4aa

相關文檔

  • 訓練完成映像檢測模型後,您可以在映像檢測訓練(easycv)組件的下遊,接入通用映像預測組件,對模型進行預測,來檢測模型效果。詳情請參見通用映像預測

  • 關於Designer組件更詳細的內容介紹,請參見Designer概述

  • Designer預置了多種演算法組件,你可以根據不同的使用情境選擇合適的組件進行資料處理,詳情請參見組件參考:所有組件匯總