公共场所火焰烟雾检测
这一期继续讲解视觉在现实场景中的应用，PP-YOLOv2算法在火焰烟雾识别。
.下载操作模板与数据集（必看）
请提前准备好！
链接：https://aistudio.baidu.com/aistudio/datasetdetail/117915
1.进入BML主页，点击立即使用：https://ai.baidu.com/bml/
2.点击左侧“模型训练”下的“Notebook”
3.选择物体检测类型，点击立即创建
4.配置Notebook，Python3.7，PaddlePaddle2.0.0，GPUV100
5.启动并打开Notebook
第二步：导入“火灾烟雾检测操作模板“
1.点击图中按钮进行上传
2.打开模板，接下来的操作将在此模板中进行
第三步：安装环境
安装paddlepaddle-gpu
!python -m pip install paddlepaddle-gpu==2.1.3.post101 -f https://www.paddlepaddle.org.cn/whl/linux/mkl/avx/stable.html
第四步：安装PaddleDetection
1.下载并安装PaddleDetection
!git clone https://gitee.com/PaddlePaddle/PaddleDetection.git -b develop
2.安装PaddleDetection相关依赖
! pip install -r PaddleDetection/requirements.txt
（红色报错不影响后续操作）
第五步：上传数据集并解压
1.上传“fire_smoke“数据集（耐心等待上传）
2.解压数据集至根目录
操作前可执行pwd查看当前路径，若路径没在根目录，可执行
cd /home/work
解压命令
! unzip -oq ./fire_smoke.zip
第二步：配置模型训练的yml文件
PP-YOLOv2：相较20年发布的PP-YOLO，PP-YOLOv2版本在COCO 2017 test-dev上的精度提升了3.6个百分点，由45.9%提升到了49.5%；在640*640的输入尺寸下，FPS达到68.9FPS。主要改进点：
Path Aggregation Network
Mish Activation Function
Larger Input Size
IoU Aware Branch
1.配置ppyolov2_r50vd_dcn_voc.yml文件
路径：/home/work/PaddleDetection/configs/ppyolo/ppyolov2_r50vd_dcn_voc.yml
参考：若batch_size=12,总epoch=10，则训练时长预估3小时
2.配置voc.yml文件
路径 ：/home/work/PaddleDetection/configs/datasets/voc.yml
修改数据集路径
修改txt文件名，与数据集中的txt文件名一致
第三步：模型训练
1.进入训练路径
cd/home/work/PaddleDetection/tools
2.启动单卡训练
!export CUDA_VISIBLE_DEVICES=0
3.设置训练yml文件路径
config_path = ‘/home/work/PaddleDetection/configs/ppyolo/ppyolov2_r50vd_dcn_voc.yml’
4.开始训练
!python train.py -c $config_path
第四步：模型评估
1.设置模型评估的模型路径
weight_path = ‘/home/work/PaddleDetection/tools/output/ppyolov2_r50vd_dcn_voc/model_final.pdparams’
2.进行模型评估
!python eval.py -c weight_path
第二步：进入相应路径
cd/home/work/PaddleDetection/tools
第三步：设置预测图片路径
img_path = ‘/home/work/fire_smoke/images/fire_000002.jpg’
thresh = 0.1
第四步：模型预测
!python infer.py -cKaTeX parse error: Undefined control sequence: \ at position 29: …o use_gpu=True \̲ ̲-o weight=weight_path --draw_threshold=KaTeX parse error: Undefined control sequence: \ at position 8: thresh \̲ ̲--infer_img=img_path
第五步：查看预测结果
路径：home/work/PaddleDetection/tools/output
