Skip to content

Latest commit

 

History

History
101 lines (68 loc) · 2.68 KB

README_CN.md

File metadata and controls

101 lines (68 loc) · 2.68 KB
Raw

English | 简体中文

基于改进SOLOv2的复杂场景下智能机器人巡检识别算法

在SOLOv2的基础上，根据智能巡检机器人需求进行改进优化，可识别15种类的设备部件并进行相应的后处理，精度在90%以上。

该项目代码主要是基于SOLO进行更改与总结，如有错误，还请指正！！！

亮点

  • 复杂场景下多类别部件识别: 针对复杂的配电站场景，可识别高达15类的设备部件，并对每一类设备部件进行状态信息获取；
  • 小目标部件识别: 通过优化特征金字塔的特征输出，提高小目标的识别精度，整体精度略微提升。

安装

该实现基于mmdetection(v1.0.0)。安装方式如下，也参阅原始INSTALL.md进行安装和数据集准备。

Requirements

  • Linux (Windows is not officially supported)
  • Python 3.5+
  • PyTorch 1.1 or higher (>=1.5 is not tested)
  • CUDA 9.0 or higher
  • NCCL 2
  • GCC 4.9 or higher
  • mmcv 0.2.16

本项目实现的软硬件版本如下:

  • OS: Ubuntu 18.04
  • CUDA: 10.2.89
  • CUDNN: 7.6.5
  • NCCL: 2.8.3
  • GCC(G++): 7.5.0

安装 SOLO

a. Conda创建虚拟环境并激活

conda create -n solo python=3.7 -y
conda activate solo

b. 按照官方安装PyTorch和torchvision

pip install torch==1.4.0 torchvision==0.5.0
pip install cython

c. 将SOLO项目文件下载到本地

git clone https://github.com/WXinlong/SOLO.git
cd SOLO

d. 安装编译环境并安装SOLO

pip install -r requirements/build.txt
pip install "git+https://github.com/cocodataset/cocoapi.git#subdirectory=PythonAPI"
pip install -v -e .  # or "python setup.py develop"

e. SOLO环境编译完成，安装GPU版paddlepaddle

pip install paddlepaddle-gpu==2.0.1

使用

快速演示

安装完成后，可以下载提供的模型并运行inference_demo.py进行快速演示。

SOLO训练

# 单GPU训练
python tools/train.py ${CONFIG_FILE}

# 举例:
python tools/train.py configs/solo/solo_r50_fpn_8gpu_1x.py

SOLO测试

# 单GPU测试
python tools/test_ins.py ${CONFIG_FILE} ${CHECKPOINT_FILE} --show --out  ${OUTPUT_FILE} --eval segm

# 举例: 
python tools/test_ins.py configs/solo/solo_r50_fpn_8gpu_1x.py  SOLO_R50_1x.pth --show --out  results_solo.pkl --eval segm

智能巡检识别演示

请参考README.md