PascalVOC(xml)轉COCO(json)格式與分配資料集

1. 轉換方式：參考《第26天》YOLO訓練流程與資料集COCO json格式，修改資料夾路徑後，執行xml_to_coco_labelpy。

2. 執行結果

   2.1 train2017

   

   2.2 val2017

   

   2.3 annotations

   • 資料夾內容

     

   • instances_train2017(以JSON Editor Online呈現)

     

   • instances_val2017(以JSON Editor Online呈現)

     

YOLOX

1. 參數修改

   1.1 yolox_s_ocr.py參數檔

   • 複製./YOLOX/exps/example/custom/yolox_s.py，建立客製化的./YOLOX/exps/example/custom/yolox_s_ocr.py

     

   • 設定參數。

     # 資料集與COCO格式標籤路徑
     self.data_dir = "datasets/ocr"
     self.train_ann = "instances_train2017.json"
     self.val_ann = "instances_val2017.json"
     
     # 資料集類別數量(coco128有71個類別)
     self.num_classes = 34
     
     # 模型迭代次數
     self.max_epoch = 50
     
     # 影響資料前處理速度，通常使用4或8
     self.data_num_workers = 4
     

   1.2 coco_classes.py：開啟./YOLOX/yolox/data/datasets/coco_classes.py，將COCO_CLASSES = ( ) 中的類別，修改成ocr的34個類別。

   

2. 訓練模型

   2.1 訓練參數：batch size=1、image size=640、epochs=50

   

   2.2 GPU占用：5.863G

   

3. 訓練結果

   3.1 mAP@0.5：0.8161

   3.2 訓練50epochs花費：14分12秒(0.2367小時)

   • 起始時間：17點33分26秒。
   • 結束時間：17點47分38秒。

   

5個OD模型效能比對(鋼胚字元辨識)

1. 訓練條件

   1.1 batch size為1。
   1.2 epoch為50。
   1.3 輸入圖片尺寸為640。
   1.4 設備：CPU為10700K、GPU為RTX2060S(8Gb)。

2. OCR效能比對(鋼胚字元辨識)

   

3. 結論

   3.1 YOLOX之鋼胚字元辨識表現最佳：mAP為0.816，遠超其餘的4個OD模型。

   3.2 根據上述實驗結果，初步推測YOLOX具有下列優勢。

   • 可小資料集(180張圖片)訓練
   • 小物件偵測效果佳(單個字元尺寸僅35*45)
   • 模型收斂速度快(僅30epochs收斂)
   • 屬於訓練成本高(顯存占用高)、推論成本低(顯存占用低)的OD模型

   3.3 未來研究方向

   • 擴大資料集：將標記後資料集從180張圖片，放大到5,000張。
   • 擴大batch size：選用顯存更大的GPU，以batch sie 16、32等訓練模型。
   • 資料集類別平衡：計算類別出現次數篩選樣本，或使用資料擴增合成樣本。

完賽心得

1. 完了，明年IT鐵人賽沒料了狗砸魯。

讓我們繼續看下去...

參考資料

1. 中鋼人工智慧挑戰賽-字元辨識