本文介绍了基于Paddle 2.0和轻量化PP-YOLO的RoboMaster战车装甲板检测模型更新项目。文中展示了效果，还说明了同步PaddleDetection源代码、安装库、解压数据集、模型训练、导出推理模型及用其对图片和视频进行预测的操作步骤。

引入

• 去年发过一个 RoboMaster 战车装甲板检测的项目
• 那个版本用的还是 Paddle 1.8，最近 PP-YOLO 也更新更加轻量化的版本
• 这次就来更新一下项目，使用 Paddle 2.0 和轻量化的 PP-YOLO 重新实现一个战车装甲板检测模型

效果展示

• 使用的测试视频及图片均截取自RoboMaster官网的比赛视频
• 图片效果展示

• 视频效果展示

同步 PaddleDetection 源代码

• 从 Github 或 Gitee 上同步代码，国内网络环境建议使用 Gitee 进行同步
• -b 指定项目分支
• --depth 1 同步最新代码，不同步历史更改

!git clone https://gitee.com/PaddlePaddle/PaddleDetection -b release/2.0-rc --depth 1登录后复制 ? ?

安装必须的库

!pip install pycocotools登录后复制 ? ?

解压数据集

# 解压只需执行一次!mkdir ~/dataset!unzip -q ~/data/data46309/rmcvdata.zip -d ~/dataset/rmcvdata/登录后复制 ? ?

模型训练

%cd ~/PaddleDetection!python tools/train.py -c ~/RM.yml --vdl_log_dir ~/log/ppyolo_tiny --use_vdl True --eval登录后复制 ? ?

导出推理模型

%cd ~/PaddleDetection!python tools/export_model.py -c ~/RM.yml --output_dir ~/inference_model登录后复制 ? ?

使用推理模型进行预测

# 使用测试图片进行测试%cd ~/PaddleDetection!python deploy/python/infer.py --model_dir ~/inference_model/RM --image_file ~/test/test.jpg --output_dir ~/test_output --use_gpu True --threshold 0.7登录后复制 ? ?In [13]

# 使用测试视频进行测试%cd ~/PaddleDetection!python deploy/python/infer.py --model_dir ~/inference_model/RM --video_file ~/test/720.mp4 --output_dir ~/test_output --use_gpu True --threshold 0.7登录后复制 ? ?