English
라이센스 문제 없는 PaddleDetection의 RT-DETR 모델로 custom_dataset으로 train하여 onnx, tensorrt로 사용
1. 학습을 진행하기 위해서 먼저 fine turning 모델을 선택한다.
Model
Epoch
Backbone
Input shape
$AP^{val}$ $AP^{val}_{50}$ Params(M)
FLOPs(G)
T4 TensorRT FP16(FPS)
Pretrained Model
config
RT-DETR-R18
6x
ResNet-18
640
46.5
63.8
20
60
217
download config
RT-DETR-R34
6x
ResNet-34
640
48.9
66.8
31
92
161
download config
RT-DETR-R50-m
6x
ResNet-50
640
51.3
69.6
36
100
145
download config
RT-DETR-R50
6x
ResNet-50
640
53.1
71.3
42
136
108
download config
RT-DETR-R101
6x
ResNet-101
640
54.3
72.7
76
259
74
download config
RT-DETR-L
6x
HGNetv2
640
53.0
71.6
32
110
114
download config
RT-DETR-X
6x
HGNetv2
640
54.8
73.1
67
234
74
download config
RT-DETR-H
6x
HGNetv2
640
56.3
74.8
123
490
40
download config
2. fine turning 모델을 선택했으면 "configs/rtdetr/rtdetr_r50vd_6x_coco.yml" 경로에 들어가 모델의 yaml파일을 찾아들어간다
coco datasets으로 fine turning된 모델을 만들려면 BASE : [ '../datasets/coco_detection.yml' ] 으로 입력한다.
custom datasets으로 특정 객체인식 모델을 만들려면 BASE : [ '../datasets/custom_dataset.yml' ] 으로 입력한다.
coco dataset 형식으로 데이터셋을 준비해야함
dataset/
├── annotations/
│ ├── instances_train.json
│ ├── instances_val.json
│ ├── instances_test.json
├── train/
│ ├── image1.jpg
│ ├── image2.jpg
├── val/
│ ├── image3.jpg
│ ├── image4.jpg
├── test/
├── image5.jpg
├── image6.jpg
src/PaddleDetection/configs/datasets/custom_dataset.yml 파일에서 데이터셋 위치를 지정함
### src/PaddleDetection/configs/datasets/custom_dataset.yml
metric: COCO
num_classes: 4
TrainDataset:
name : COCODataSet
image_dir: train
anno_path: annotations/train_datasets.json
dataset_dir: /rt-detr-paddle-build-onnx-tensorrt/src/PaddleDetection/dataset
data_fields: ['image', 'gt_bbox', 'gt_class', 'is_crowd']
EvalDataset:
name : COCODataSet
image_dir: val
anno_path: annotations/valid_datasets.json
dataset_dir: /rt-detr-paddle-build-onnx-tensorrt/src/PaddleDetection/dataset
allow_empty: true
TestDataset:
name : COCODataSet
image_dir: test
anno_path: annotations/test_datasets.json
dataset_dir: /rt-detr-paddle-build-onnx-tensorrt/src/PaddleDetection/dataset
wandb를 사용할려면 학습을 진행하기 전 wandb api를 등록 후 --use_wandb True를 추가한다.
cd /rt-detr-paddle-build-onnx-tensorrt/src/PaddleDetection
export CUDA_VISIBLE_DEVICES=0,1 ## 사용할 gpu 압력
python -m paddle.distributed.launch --gpus 0,1 tools/train.py -c configs/rtdetr/rtdetr_r50vd_6x_coco.yml --fleet --eval
onxx 모델 빌드 하기 위해선 pdparams, model.pdmodel 을 먼저 만들어야함
pdparams, model.pdmodel 생성 후 onnx 빌드
bash create_pdmodel.sh
bash create_onnx.sh
3. trt model predict test python utils/trt_predict.py
Input_data
Result_data
