🌟 PP-PicoDet已发布，欢迎大家试用&讨论

[yghstill]

PP-PicoDet是轻量级实时移动端目标检测模型，我们提出了从小到大的一系列模型，包括S、M、L等，超越现有SOTA模型。

模型特色：

• 🌟精度高：1M参数量以内mAP(0.5:0.95)达到30.6，3.3M参数量mAP(0.5:0.95)达到40.9。
• 🚀速度快：在SD865上达到150FPS。
• 😊部署友好：我们支持PaddleInference/PaddleLite/MNN/NCNN/OpenVINO，并且提供C++/Python/Android demo。

链接：

• 详细算法细节请参考paper：https://arxiv.org/abs/2111.00902
• Readme&配置文件： https://github.com/PaddlePaddle/PaddleDetection/tree/release/2.3/configs/picodet

欢迎大家试用，有疑问欢迎讨论盖楼~

和其他模型对比：

FAQ汇总： （持续更新中）

• 版本要求： 训练导出模型要求Paddle版本统一，同时 PaddlePaddle >= 2.1.2。
• 学习率、GPU数和batch-size关系： 采用线性伸缩准则，发布的配置文件基本都是4卡GPU训练的，例如：变成单卡，请学习率除以4，如果batch size从80变成40，请学习率再除以2。
• 配置优先级： 一般picodet_x_coco.yml中的配置优先级高于__base__中配置，picodet_x_coco.yml中的所有设置会覆盖__base__中配置，所以修改picodet_x_coco.yml的配置即可。
• 在自己数据集上训练模型： 支持COCO和VOC两种数据格式，同时建议采用迁移学习加快收敛，具体步骤：从PicoDet的Readme中拷贝COCO上训好的pretrain weights链接，更新配置文件中pretrain_weights参数为COCO上训好的权重。

为了方便大家交流沟通，欢迎扫码添加微信群，继续交流有关PP-PicoDet的使用及建议~

[ghost]

PaddlePaddle=2.2.0明天才发布对吧，找了半天好像没地方安装

[yghstill]

PaddlePaddle=2.2.0明天才发布对吧，找了半天好像没地方安装

@Xwmiss 嗯嗯，今天刚打tag，这两天发布安装包后我再同步，可以先使用dev版本Paddle：https://www.paddlepaddle.org.cn/install/quick?docurl=/documentation/docs/zh/develop/install/pip/linux-pip.html

[ghost]

PaddlePaddle=2.2.0明天才发布对吧，找了半天好像没地方安装

@Xwmiss 嗯嗯，今天刚打tag，这两天发布安装包后我再同步，可以先使用dev版本Paddle：https://www.paddlepaddle.org.cn/install/quick?docurl=/documentation/docs/zh/develop/install/pip/linux-pip.html

好的好的👍

[yghstill]

@Xwmiss

1. pretrain_weights是用来设置预训练权重，确认下路径是否正确，下载是下载模型权重还是数据集，如果是数据集，请修改config/datasets/coco_detection的路径
2. weights指向训练最后保存权重的路径。
3. snapshot_epoch这里设置的话，优先级比runtime.yml高
4. cycle_epoch是指Cycle-EMA中reset的epoch数，EMA会在固定epoch数时重新reset。

[ghost]

请问我在使用上诉命令进行训练时，如果同时给定了--slim_config，好像模型是不在训练的，这是因为训练和量化两个步骤要分开吗？
感谢你的回复！

[yghstill]

@Xwmiss 应该先训练好模型，再配置slim_config中的pretain_weights为训好的fp32模型，再进行量化训练。 现在默认的指令会下载训好的COCO上的预训练模型 进行量化训练。

[ghost]

十分感谢您的回复！👍

[yu937861]

训练报错
配置文件
python tools/train.py -c configs/picodet/picodet_l_416_coco.yml

报错行
File "PaddleDetection/ppdet/modeling/heads/simota_head.py", line 351, in
featmap.shape[-2] * featmap.shape[-1] for featmap in cls_scores
AttributeError: 'list' object has no attribute 'shape'

[yghstill]

@yu937861 Fixed in #4438，拉取下最新代码试下吧

[ChinaRush]

picodet有VOC格式配置文件吗

[lyuwenyu]

@ChinaRush ppdet支持的 这个和模型关系不是很大可以自己配一下的datasets 或者 转成coco跑 在tools里有工具

[yu937861]

@yu937861 Fixed in #4438，拉取下最新代码试下吧

感谢

[thenighthunter0]

你好，下面问题可能是什么原因呢。按照third_engine/demo_openvino教程做的，电脑的openvino跑其他模型是可以的
问题：picodet third_engine/demo_openvino 模型输出为空,可视化无检测框，只有原图
描述：
picodet_m_416.bin
start init model
success
picodet min = 14.95 max = 15.65 avg = 15.47
找到原因了：
resize_uniform(image, resized_img, cv::Size(320, 320), effect_roi);
auto detector = PicoDet("../weight/picodet_m_416.xml");
修改为416,不知道是模型精度问题，还是后处理映射的问题

[gaorui999]

训练后报错提示：
AttributeError: 'list' object has no attribute 'shape'

[yghstill]

@gaorui999 这个问题已解，请更新最新代码就行。

[yu937861]

训练
python tools/train.py -c configs/picodet/picodet_l_416_coco.yml

自己的数据集,训练完后eval ap50精度只有0.224, 配置文件也只改了num_classes, 是还有哪里需要改的吗

[yghstill]

@yu937861 您自己的数据集多大呢？默认的预训练只有Backbone在Imagenet上的，由于移动端模型收敛较慢，如果您数据集较小，建议pretrain_weights直接加载COCO上训好的权重，这样迁移学习会加快模型的收敛。

[Xiaoyw1998]

为什么 picodet_l 的 epoch=250，而 CosineDecay 的 max_epochs=300，二者不应该是相同的吗

[yu937861]

@yu937861 您自己的数据集多大呢？默认的预训练只有Backbone在Imagenet上的，由于移动端模型收敛较慢，如果您数据集较小，建议pretrain_weights直接加载COCO上训好的权重，这样迁移学习会加快模型的收敛。

好的我再试一下，谢谢

[yghstill]

为什么 picodet_l 的 epoch=250，而 CosineDecay 的 max_epochs=300，二者不应该是相同的吗

@Xiaoyw1998 PicoDet-l的模型较大，会提前收敛到最优mAP，所以总得epoch调小成250。

[yghstill]

@ChinaRush PicoDet的VOC配置已发布，可以参考：https://github.com/PaddlePaddle/PaddleDetection/blob/release/2.3/configs/picodet/picodet_s_320_voc.yml

[zwhua006]

想问一下，cycle-epochs应该是一个经验值，那如果训练轮数不再是250,而是150或者更少的话，适合多少呢，这一设置是否有明显的影响对于结果？

[thenighthunter0]

你好，picodet_s_coco,转换为openvino成功，但是使用third_engine/demo_openvino调用，报错如下：
start init model
success
begin inferenceterminate called after throwing an instance of 'InferenceEngine::GeneralError'
what(): Cannot find blob with name: save_infer_model/scale_4.tmp_1
Aborted (core dumped)

[yghstill]

想问一下，cycle-epochs应该是一个经验值，那如果训练轮数不再是250,而是150或者更少的话，适合多少呢，这一设置是否有明显的影响对于结果？

@zwhua006 cycle_epoch这个参数是控制Cycle-EMA中的reset的epoch间隔数，我们实验中证明40是一个不错的设置。训练轮数的话需要看模型的收敛情况，在COCO上我们默认设置了300或250epoch.

[yghstill]

@thenighthunter0 我们openvino的问题再认真排查下~

[17076372880]

请问，为什么会出现这个问题，上面显示coco数据都已经读进来了，但是下面显示没有coco数据。

[yghstill]

@17076372880 先读入的是EvalReader中COCO 验证集，然后读入训练集，确认下dataset/coco/annotations/train_anno.json是否存在。

[17076372880]

@17076372880 先读入的是EvalReader中COCO 验证集，然后读入训练集，确认下dataset/coco/annotations/train_anno.json是否存在。

这个是存在的，数据集和配置文件（coco_detection.yml）都是之前跑2.1版本的yolo v3的，之前是没啥问题的。

[lguowang]

大家好，我用pp训练了PicoDet，然后导出模型进行sering部署，但预测时出现主要的错误： {'err_no': 8, 'err_msg': "(data_id=0 log_id=0) [ppyolo|0] Failed to postprocess: 'transpose_17.tmp_0.lod'", 'key': [], 'value': [], 'tensors': []}
请问 fetch_list: 要配置成什么样的？
请问 fetch_list: 要配置成什么样的？
请问 fetch_list: 要配置成什么样的？

serving_server 中的 serving_server_conf.prototxt ：
feed_var {
name: "image"
alias_name: "image"
is_lod_tensor: false
feed_type: 1
shape: 1
shape: 3
shape: 416
shape: 416
}
fetch_var {
name: "transpose_10.tmp_0"
alias_name: "transpose_10.tmp_0"
is_lod_tensor: false
fetch_type: 1
shape: 1
shape: 2704
shape: 4
}
fetch_var {
name: "transpose_11.tmp_0"
alias_name: "transpose_11.tmp_0"
is_lod_tensor: false
fetch_type: 1
shape: 1
shape: 2704
shape: 32
}
fetch_var {
name: "transpose_12.tmp_0"
alias_name: "transpose_12.tmp_0"
is_lod_tensor: false
fetch_type: 1
shape: 1
shape: 676
shape: 4
}
fetch_var {
name: "transpose_13.tmp_0"
alias_name: "transpose_13.tmp_0"
is_lod_tensor: false
fetch_type: 1
shape: 1
shape: 676
shape: 32
}
fetch_var {
name: "transpose_14.tmp_0"
alias_name: "transpose_14.tmp_0"
is_lod_tensor: false
fetch_type: 1
shape: 1
shape: 169
shape: 4
}
fetch_var {
name: "transpose_15.tmp_0"
alias_name: "transpose_15.tmp_0"
is_lod_tensor: false
fetch_type: 1
shape: 1
shape: 169
shape: 32
}
fetch_var {
name: "transpose_16.tmp_0"
alias_name: "transpose_16.tmp_0"
is_lod_tensor: false
fetch_type: 1
shape: 1
shape: 49
shape: 4
}
fetch_var {
name: "transpose_17.tmp_0"
alias_name: "transpose_17.tmp_0"
is_lod_tensor: false
fetch_type: 1
shape: 1
shape: 49
shape: 32
}

我配置的config.yml:
dag:
is_thread_op: false
tracer:
interval_s: 30
http_port: 18888
op:
ppyolo:
concurrency: 1

local_service_conf:
  client_type: local_predictor
  device_type: 1
  devices: '0'
  fetch_list: 
  - transpose_17.tmp_0
  model_config: serving_server/

rpc_port: 9998
worker_num: 2

请问 fetch_list: 要配置成什么样的？
请问 fetch_list: 要配置成什么样的？

[sdreamforchen]

python tools/export_model.py -c configs/picodet/picodet_L_640_coco.yml -o weights=https://paddledet.bj.bcebos.com/models/pretrained/ESNet_x1_25_pretrained.pdparams --output_dir=inference_model TestReader.inputs_def.image_shape=[3,640,640]
1改了下激活函数+2执行上面的指令，一路调试，现在遇到这个报错，实在不知道怎么走下去了。
[Hint: 'cudaErrorInitializationError'. The API call failed because the CUDA driver and runtime could not be initialized. ] (at /paddle/paddle/fluid/platform/gpu_info.cc:108)
3安装了paddlepaddle-gpu2.2.2+paddledet2.3.0+paddle2onnx0.9.1

[sdreamforchen]

另外，想请教下，看了下cfg文件， 数据增强只用了这个吗- RandomFlip: {prob: 0.5}

[yghstill]

@sdreamforchen 数据增强包含crop和flip还有RandomDistort

导出未修改的模型预测结果正常吗？需要看下你修改的位置，改了什么激活函数。

[sdreamforchen]

您好，我改了hard sigmoid和hard swish（基于relu6实现），因为我的下游嵌入式对这两个函数支持也存在一定的问题； 改了后用eval.py测试了下，各方面都是对的，就是延迟厉害，Titan RTX才17帧，l-640模型。
1 转为onnx后，出现了一个新的问题：我下载的官方的onnx和我转换后的onnx的conv和bn处在差异，官方的是融合一起的，而我的是分开的，这个不知道是为啥，通过netron查看的。
2 另外，通过安装nccl之类的操作，目前用单卡训练，出现我配置export CUDA_VISIBLE_DEVICES=4，但是train还是去用GPU:0，而eval没有问题。 这个问题，我可以慢慢去学习paddle，看看代码，如果方便就麻烦回答一下吧。谢谢。

[sdreamforchen]

@sdreamforchen 数据增强包含crop和flip还有RandomDistort

导出未修改的模型预测结果正常吗？需要看下你修改的位置，改了什么激活函数。

之所以改激活函数，是因为转换后的onnx的hardsigmoid函数。下游嵌入式会报错。 今天用netron确认了问题，查看了转换的alpha不是0.2是0.166667

[yghstill]

@sdreamforchen

1. 网络预测时延测试的话需要在具体的硬件上测试，eval.py脚本打印的FPS只是训练前向，和预测库预测不太一样，预测库做过预测加速，更快些。
2. 转onnx后需要使用onnx-simplifier工具对模型进行简化融合操作，就可以看到conv bn已经fuse了。
3. 关于训练GPU的问题一般指定CUDA_VISIBLE_DEVICES变量即可，看下是否是环境变量没有生效？

[tb5874]

Hello, yghstill
PaddleDetection is wonderful platform. Thank you.

Should i ask some question of PaddleDetection-PP-PicoDet with Pytouch to TensorRT?

I found some information about Pytouch to TensorRT.
I think that TensorRT improve calculation performance when PP-PicoDet doing Parallel Processing.
If your PP-PicoDet team have Idea or Plan about Pytouch to TensorRT, could you tell me?

• When I ask a question, i immediately found your guide 'Convert to ONNX'.
  Currently, Is that the best-way for Pytouch to TensorRT ? ( PyTorch -> ONNX-> TensorRT )
  Have your team another plan ?

Thank you.

• When I wake up in the morning, I thought that question was worng. ;) sorry.
  Please Ignore above all Question..
  So now, Question is that ' Have your team Convert-Plan about ONNX to TensorRT ?'
  X_D Please Understand me.. Thank you.

[yghstill]

@tb5874 PP-PicoDet is a mobile model, and it is not planned to support TensorRT, but the upcoming PP-YOLOE model will support the function of TensorRT, welcome to pay attention.

[sdreamforchen]

So good！ 想请问下，nccl想过的提示是，让我们安装nccl2.这个和conda install -c anaconda nccl是不一样的吗？还是必须用https://docs.nvidia.com/deeplearning/nccl/install-guide/index.html这个方法是安装nccl？

[tb5874]

@yghstill Thank you for your kind explanation.
So, If i use low computing power( CPU with GPU, like Nvidia Jetson Xavier NX, but not mean restrained Nvidia Platform. )
( But i know, currently easily applicable GPU is Nvidia. So i don't care if you restrain Nvidia. )
Your best recommand model is upcoming PP-YOLO-E ?

I have AMD Ryzen5 5600G( 6 core, 3.9GHz ) with RTX3060. ( but i have another GPU(RTX3090). So i will test it. )
and Nvidia Jetson Xavier NX( 6 core, 1.4GHz) with Volta architecture(384 CUDAcore, 48 TENSORcore)
I just want to test this wonderful Object Detector :)

Target is low computing power, Like above environment.
( Nvidia Jetson Xavier NX or normal desktop )

Should i ask some best recommend of PaddleDetection Object Detector. like above environment ?

Thank you.

[yghstill]

@tb5874 It is also recommended that you use the PP-YOLOE model. We tested it on Jetson Xavier NX and it performs well

[tb5874]

@yghstill Thank you !
So now, For understand upcomming PP-YOLOE, PP-YOLO is background? or PP-YOLOE is another paper?
When i read PP-YOLO paper ( https://arxiv.org/pdf/2007.12099.pdf ), i found PP-YOLO with Method 'E + Grid Sensitive'.
That is not mean PP-YOLOE ? X_D..

If that is not mean PP-YOLOE, should i pre-test PP-YOLOE ?

Thank you.

[yghstill]

@tb5874 PP-YOLOE is another paper, and it is coming soon.

[yuexiayiren159aaa]

我想知道picodet这个网络的输出代表什么，这里有8个输出，我需要自己写后处理

类似yolo的输出 （13,13,255),(26,26,255)(52,52,255),13x13的特征图，255=8x53 ,82=80 + 5 ,5 = x,y,w,h,c

[niancheng]

您好！您的来信我已经收到，我会尽快查阅并回复您的！

[cv-nlp]

picodet 转成MNN最新版本输出的是transpose，以前版本输出的是save_infer_model/scale_4.tmp_1这种，现在demo mnn推理存在问题，能否帮忙看一下

[yghstill]

picodet 转成MNN最新版本输出的是transpose，以前版本输出的是save_infer_model/scale_4.tmp_1这种，现在demo mnn推理存在问题，能否帮忙看一下

@cv-nlp 好的我们修复下此问题。

[Costwen]

使用picodet_640_l训练模型之后, 使用动态图的文件进行预测结果没有问题, 但是当导出模型之后其中top, bottom 始终为inf是为什么呢？

[niancheng]

您好！您的来信我已经收到，我会尽快查阅并回复您的！

[niancheng]

您好！您的来信我已经收到，我会尽快查阅并回复您的！

[DarkWings520]

我用paddlex导出的输入为320的PicoDet-s模型为什么参数有3.75M那么多，并不是0.99M呢？我该怎么操作才能为0.99M，我需要在win10系统部署

[niancheng]

您好！您的来信我已经收到，我会尽快查阅并回复您的！

[DarkWings520]

这是来自QQ邮箱的假期自动回复邮件。您好，您的邮箱已经收到，谢谢

[GoAlers]

使用picodet训练完测试能跑通，但导出模型显示这个，应该怎么办，是版本问题么，是的话应该更新什么版本呢？

我的版本

[niancheng]

您好！您的来信我已经收到，我会尽快查阅并回复您的！

[DarkWings520]

这是来自QQ邮箱的假期自动回复邮件。您好，您的邮箱已经收到，谢谢