目标检测
组件介绍
**“目标检测”（Object Detection）**控件主要用于训练目标检测模型。
目标检测模型一般用于找出图像中所有感兴趣的目标（物体），确定它们的类别和位置。
- 输入：
- img: 图像数据集
- 输出：
- dpmod：深度学习模型
**“目标检测”（Object Detection）**控件读取COCO数据集，通过指定要训练的模型、Backbone以及相关的模型训练参数进行目标检测模型的训练。
训练集目录结构如下：
|- train
|- image1
|- image2
|- ...
|- val
|- val_image1
|- val_image2
|- ...
|- annotations
|- train.json
|- val.json
测试集目录结构如下：
|- test
|- image1
|- image2
|- ...
|- test_list.txt
test_list.txt用于记录测试集数据信息，test_list.txt内容示例如下：
test/1.jpg
test/2.jpg
test/3.jpg
页面介绍
点击**“目标检测”（Object Detection）**控件查看参数配置页面，如下图所示：
参数选项
| 选项 | 说明 | 取值范围 | 样例值 | ||
|---|---|---|---|---|---|
| 模型名称 | 设置模型名称，用于在其他组件中区分不同的模型 | 非空字符串 | Object Detection | ||
| 计算框架 | 选择模型训练采用的训练框架，控件支持如下计算框架： | PyTorch | PyTorch | ||
| 模型选择 | PyTorch | 支持的用于目标检测的深度学习模型 | YOLOv3 | FasterRCNN | |
| Tensorflow | SSD | SSD | |||
| Backbone选择 | PyTorch | 主干网络，是模型的主要组成部分，backbone负责提取输入图像的特征，以便后续的处理和分析。 | PyTorch | DarkNet53 | MobileNetV2 |
| Tensorflow | MobileNetV1 | ResNet50 | |||
| 训练参数 | 迭代轮数 | 训练迭代轮数（epoch） | 1~100000 | 10 | |
| 学习率 | learning rate | 0.00000001~1 | 0.001 | ||
| 批大小 | 一个epoch训练的样本大小 | 1~840 | 4 | ||
使用案例
在下图所示的案例中，使用**“图像”（Image）控件加载数据集，连接“目标检测”（Object Detection）控件构建模型，再将“目标检测”（Object Detection）控件与“训练日志”（Train Log）**控件连接起来查看模型的训练日志。
案例中 加载COCO数据集，案例中控件执行结果如下图所示：
