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正式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In [1]

!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

In [2]

!pip install pycocotools

登录后复制    

解压数据集

In [3]

# 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

In [4]

%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

In [3]

%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

In [4]

# 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.webp     --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