Обучение Моделей Обнаружения Объектов

Этот проект содержит два скрипта для обучения моделей обнаружения объектов:

1. YOLO Training Script (trainyolo.py): Обучение модели YOLO с интеграцией Comet.ml для отслеживания экспериментов.
2. Transformer-Based Detection Training Script (traindetr.py): Обучение модели обнаружения объектов на основе трансформеров с использованием библиотеки Hugging Face Transformers.

Содержание

• Требования
• Установка
• Использование
  • 1. Скрипт Обучения YOLO (trainyolo.py)
  • 2. Скрипт Обучения на Основе Трансформеров (traindetr.py)

Требования

Перед запуском скриптов убедитесь, что у вас установлены следующие библиотеки:

• Python 3.10.12
• PyTorch
• Transformers от Hugging Face
• Albumentations
• Supervision
• TorchMetrics
• Comet.ml (только для train_yolo.py)
• Другие зависимости, указанные в разделе Установка

Установка

1. Клонируйте репозиторий:

   git clone https://github.com/SLENSER0/towerx_models
   cd towerx_models
   python3 -m venv venv
   source venv/bin/activate  # Для Linux и macOS
   venv\Scripts\activate     # Для Window
   pip install -r requirements.txt
   

Использование

1. Обучение YOLO: Пример запуска скрипта для обучения yolo:

python train_yolo.py \
  --comet_api_key YOUR_COMET_API_KEY \
  --comet_project_name yolo_project \
  --model_path yolo11x.pt \
  --data_path data.yaml \
  --epochs 25 \
  --imgsz 1520 \
  --device 0 \
  --optimizer Adam \
  --cos_lr \
  --degrees 0.25 \
  --scale 0.3 \
  --save_period 10 \
  --workers 4 \
  --batch 8

2. Обучение RT-DETR: Пример запуска скрипта для обучения RT-DETR:

python train_object_detection.py \
  --img_size 1536 \
  --output_dir ./finetune_outputs/ \
  --train_images_directory_path /home/ubuntu/dataset/train/images \
  --train_annotations_path /home/ubuntu/dataset/train/instances_train.json \
  --val_images_directory_path /home/ubuntu/dataset/val/images \
  --val_annotations_path /home/ubuntu/dataset/val/instances_val.json