PP—ShiTuV2 RPC训练数据问题确认

[xiahc]

1，数据集中的数据量，是图片数，还是分类数？ 2，PRC的数据，官方给出的是200分类，训练集数据近6万。与PaddleClas给出数据不符。 请帮忙确认图片中，RPC 3K，是什么意思。如果我们只用RPC数据做迁移学习，训练数据集应如何调整？ 3，我们目前用RPC全量数据做迁移学习，loss停留在0.4无法收敛，请给出优化建议。 配置如下： BASE: [ '../../../runtime.yml', '../../base/picodet_esnet.yml', '../../base/optimizer_100e.yml', '../../base/picodet_640_reader.yml', ]

pretrain_weights: https://paddledet.bj.bcebos.com/models/picodet_lcnet_x2_5_640_mainbody.pdparams weights: output/picodet_lcnet_x2_5_640_mainbody/model_final find_unused_parameters: True use_ema: true cycle_epoch: 10 snapshot_epoch: 1

PicoDet: backbone: LCNet neck: CSPPAN head: PicoHead

LCNet: scale: 2.5 feature_maps: [3, 4, 5]

metric: COCO num_classes: 1

LearningRate: base_lr: 0.0005 schedulers:

• !CosineDecay max_epochs: 100
• !LinearWarmup start_factor: 1 steps: 1

TrainDataset: !COCODataSet

image_dir: ./

image_dir: train2019/
anno_path: instances_train2019_main.json
dataset_dir: dataset/dataset_rpc/
data_fields: ['image', 'gt_bbox', 'gt_class', 'is_crowd']

EvalDataset: !COCODataSet image_dir: val2019/ anno_path: instances_val2019_main.json dataset_dir: dataset/dataset_rpc/ data_fields: ['image', 'gt_bbox', 'gt_class', 'is_crowd']

TestDataset: !ImageFolder anno_path: ./dataset/dataset_rpc/instances_test2019_main.json

[xiahc]

batch size=32

[cuicheng01]

你好，感谢提问

1. 是图片数量
2. 使用的是RPC的子集
3. mAP的指标如何呢？是否还在增长呢？

[xiahc]

您好，感谢回复。 mAP约0.4。 另外，我使用官方的主体检测模型（picodet_PPLCNet_x2_5_mainbody_lite_v1.0_infer）进行测试。存在常规目标（非小目标）丢失的问题，请问，该如何调整，以改进漏检的问题（如图片中中间最明显的牛奶瓶）。

[cuicheng01]

该主体检测模型其实是一个框的召回模型，具体的识别效果取决于识别模型和你的数据库，所以可以从调整识别模型和数据库上入手调试

[zhanghaowei01]

我训练rpc数据集精度很差怎么办，我感觉是因为验证集和训练集有差距的问题，你是怎么训练到map0.4的？

[cuicheng01]

你的精度有多少呢

[zhanghaowei01]

我就是用他单个目标的训练集，验证集是多个目标的，map95顶多到0.24

[zhanghaowei01]

PP—ShiTuV2训练主体检测的时候rpc数据集是怎么用的？多个目标的数据有没有加入到训练集里？

[cuicheng01]

多个目标也是按单类别来训练的

[zhanghaowei01]

P—ShiTuV2训练主体检测的时候训练集里加了多个目标的数据吗？还是只有单个目标