训练和部署模型#
概述#
Autoware 提供了一系列全面的机器学习模型,专为各种任务量身定制,包括 2D 和 3D 对象检测、 红绿灯识别等.这些模型已使用 open-mmlab 的广泛存储库进行了精心训练. 通过利用提供的脚本并遵循训练步骤,您可以使用自己的数据集训练这些模型. 根据您的特定需求定制它们.
此外,您将找到使用 mmdeploy 存储库将训练后的模型部署到 Autoware 中的基本转换脚本.
训练红绿灯分类器模型#
Autoware 中的红绿灯分类器模型已使用 mmlab/pretrained 存储库进行训练. Autoware 提供基于 EfficientNet-b1 和 MobileNet-v2 架构的预训练模型. 为了微调这些模型,总共使用了 83,400 张图像,其中包括 58,600 张用于训练, 14,800 个用于评估,10,000 个用于测试.这些图像代表日本的交通信号灯,并使用 TIER IV 的内部数据集进行训练.
| Name | Input Size | Test Accuracy |
|---|---|---|
| EfficientNet-b1 | 128 x 128 | 99.76% |
| MobileNet-v2 | 224 x 224 | 99.81% |
红绿灯分类器模型的全面训练说明详见
附带 traffic_light_classifier 包的自述文件.这些说明将指导您完成
使用您自己的数据集训练模型的过程.为了方便您的培训,我们还提供了
一个包含三个不同类(Green、Yellow、Red)的示例数据集,您可以在训练过程中利用它们.
训练红绿灯分类器模型的详细说明可以在 这里 找到.
训练 CenterPoint 3D 对象检测模型#
Autoware 中的 CenterPoint 3D 对象检测模型已使用 autowarefoundation/mmdetection3d 存储库进行训练.
要训练自定义 CenterPoint 模型并将其转换为 ONNX 格式以在 Autoware 中部署,请参阅 Autoware 的 README 文件中包含的说明. lidar_centerpoint 包.这些说明将提供训练 CenterPoint 模型的分步指南.
为了帮助您完成训练过程,我们还提供了一个 TIER IV 数据集格式的示例数据集.
该数据集包含 600 个激光雷达帧,涵盖 5 个类,包括 6905 辆汽车、3951 名行人、75 名骑行者、162 辆公共汽车和 326 辆卡车.
您可以利用此示例数据集来促进您的训练工作.