Skip to content

Latest commit

 

History

History
101 lines (93 loc) · 4.22 KB

MMDetection2paddle.md

File metadata and controls

101 lines (93 loc) · 4.22 KB
Raw

MMDetection模型导出为Paddle模型教程

X2Paddle新增对MMDetection模型支持，目前测试支持的列表如下

模型 来源 OP版本 备注
FCOS pytorch(mmdetection) 11 仅支持batch=1推理；模型导出需固定shape
FSAF pytorch(mmdetection) 11 仅支持batch=1推理；模型导出需固定shape
RetinaNet pytorch(mmdetection) 11 仅支持batch=1推理；模型导出需固定shape
SSD pytorch(mmdetection) 11 仅支持batch=1推理；模型导出需固定shape
YOLOv3 pytorch(mmdetection) 11 仅支持batch=1推理；模型导出需固定shape
Faster R-CNN pytorch(mmdetection) 11 仅支持batch=1推理；模型导出需固定shape

导出教程

步骤一、通过MMDetection导出ONNX模型

导出步骤参考文档MMDetection导出ONNX，以COCO数据集训练的YOLOv3为例，导出示例如下

python tools/deployment/pytorch2onnx.py \
    configs/yolo/yolov3_d53_mstrain-608_273e_coco.py \
    checkpoints/yolo/yolov3_d53_mstrain-608_273e_coco.pth \
    --output-file checkpoints/yolo/yolov3_d53_mstrain-608_273e_coco.onnx \
    --input-img demo/demo.jpg \
    --test-img tests/data/color.jpg \
    --shape 608 608 \
    --mean 0 0 0 \
    --std 255 255 255 \
    --show \
    --verify \
    --dynamic-export \
    --cfg-options \
      model.test_cfg.deploy_nms_pre=-1 \

步骤二、通过X2Paddle将ONNX模型转换为Paddle格式

安装X2Paddle最新版本

pip install x2paddle

使用如下命令转换

x2paddle --framework=onnx --model=onnx_model.onnx --save_dir=pd_model

转换后的模型为paddle inference格式，保存在pd_model当中

结果测试

Model Config Metric ONNX Runtime Paddle
FCOS configs/fcos/fcos_r50_caffe_fpn_gn-head_4x4_1x_coco.py Box AP 34 33.8
FSAF configs/fsaf/fsaf_r50_fpn_1x_coco.py Box AP 33.7 33.7
RetinaNet configs/retinanet/retinanet_r50_fpn_1x_coco.py Box AP 34.1 34.1
SSD configs/ssd/ssd300_coco.py Box AP 25.6 25.6
YOLOv3 configs/yolo/yolov3_d53_mstrain-608_273e_coco.py Box AP 31.1 31.1
Faster R-CNN configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py Box AP 34.8 34.8

Notes:

  • 上述AP均为固定shape进行测试，除SSD的shape为300x300、YOLOv3为608x608之外，其他shape均为800x1216