如何用SimpleDet完成目标检测与物体识别？

引言

SimpleDet是一套简单通用的目标检测与物体识别的框架。整套框架基于MXNet的原生API完成。

主要特点

FP16训练可节省内存并加速2．5倍开箱即用的高度可扩展的分布式训练全面涵盖了最先进的模型，包括FasterRCNN， MaskRCNN， CascadeRCNN， RetinaNet， DCNv1／v2， TridentNet， NASFPN ， EfficientNet， 和 Kownledge Distillation。广泛的功能集，包括大批次BN，同步损失，自动BN融合，soft NMS，多尺度训练／测试模块化设计，无需编码即可探索新的实验设置广泛的文档，包括带注释的配置、Fintuning指南。

目 录

1．基准测试

     1．1对SimpleDet进行基准测试，给出测试平台和测试结果。

2．构建wheel包

    2．1介绍将自定义mxnet打包为用于本地安装的python wheel的过程。

3．数据集

     3．1介绍了从COCO格式，VOC格式或JSON格式创建roidb的过程。

4．分布式训练

     4．1提供启动具有Singularity包的分布式训练的指南

5．微调

     5．1本文档介绍了为你的自定义数据集启用现有模型的过程。

6．框架概述

     6．1概述检测器及组件

7．安装

     7．1介绍安装过程

8．tensorboard

      8．1设置tensorboard以及在shell发布

更新计划

每周两篇，欢迎持续关注，一起进步。

☆ END ☆