项目描述

MMCLS files for train and inference ColorLine model。用于训练/测试ColorLine标签分类模型的相关文件。

文件描述

mmclassification相关文件（0.18.0版本）

1.mobilenet-v2_8xb32_frameH500.py 配置文件，包括模型、优化器、数据集、日志及工作流的定义。
2.LaserLabel.py 数据集定义，imagenet格式，定义分类的类别。

数据集预处理

1.build_dataset.py：

从防伪区域图像LaserLabel中提取彩色线条区域ColorLine
按面积进行筛选，得到ColorLine400数据集
对清洗后的ColorLine400数据集，按标签号分为训练/验证/测试集，生成对应的TXT文件（图像路径及类别标注信息）。
2.data_cleaner.py：对ColorLine400数据集进行数据清洗，删除模糊、相似图像。

模型转换及测试

remove_initializer_from_input.py：作用于onnx格式模型文件，运行后生成新的onnx文件，调用时不会出现警告信息。
inference.py: 分类模型推理调用接口，调用pt或onnx模型进行推理

使用方法

准备数据集

使用build_dataset.py，提取ColorLine400数据集
使用build_dataset.py，对ColorLine400数据集进行清洗
再次运行build_dataset.py尾部代码，按标签号生成train/val/test.txt

配置mmclassification

添加自定义模型配置：将mobilenet-v2_8xb32_frameH500.py添加到mmclassification\configs\mobilenet_v2文件夹
添加自定义数据库：将LaserLabel.py添加到mmclassification\mmcls\datasets，并修改init.py等相关文件

训练/测试模型。

训练模型 python tools/train.py --config configs/mobilenet_v2/mobilenet-v2_8xb32_frameH500.py
测试模型 python tools/test.py --config configs/mobilenet_v2/mobilenet-v2_8xb32_frameH500.py --checkpoint tools/work_dirs/mobilenet-v2_8xb32_frameH500/epoch_300.pth --out results/result.json

模型转换为onnx

```python tools/deployment/pytorch2onnx.py configs/mobilenet_v2/mobilenet-v2_8xb32_frameH500.py --checkpoint tools/work_dirs/mobilenet-v2_8xb32_frameH500/epoch_500.pth --output-file experiment/ColorLine400_epoch500.onnx --shape 192 256 --verify```
```python remove_initializer_from_input.py --input experiment/ColorLine400_epoch500.onnx --output experiment/ColorLine400_epoch500.onnx```

ake020675/MMCLS_ColorLine