• 简介
• 使用方法

简介

检测算法benchmark测试脚本

使用方法

1. 在OpenI开源社区平台新建项目。
2. 上传算法程序至项目仓库。算法程序需包含训练程序（train.py）和测试程序（test.py）。如下所示。

   ├── test.py
   └── train.py
   

   其中train.py需包含以下模块函数。

   def train(config_file_path: str):
       ...
   

   其中test.py需包含以下模块函数。

   def test(config_file_path: str):
       ...
   

   其中config_file_path为YAML格式的配置文件的路径。配置文件内容如以下示例所示。

   # 测试程序的输入
   input:
       # 数据集
       dataset:
           # 图像文件夹
           image-root-dir: /dataset/transportation/images
           # 图像信息
           annotation:
               # 训练图像列表与标注
               train: /dataset/transportation/annotations/train.json
               # 验证图像列表与标注
               validation: /dataset/transportation/annotations/val.json
               # 测试图像列表, 无标注信息
               test: /dataset/transportation/annotations/test.json
   # 测试程序的输出
   output:
       # 存放最终算法模型的文件夹
       model-dir: /model/transportation
       # 存放测试集推理结果的文件，推理结果的格式与COCO数据集的标注格式相同
       inference-result-file: /output/result/transportation/test.json
       # 日志文件
       # 训练过程需按照以下格式打印时间信息到训练日志文件中。
       # 阶段               打印内容
       # 训练总耗时（分）    total train time: %.2f minutes
       # 训练总周期          total train epochs: %d epoch
       # 推理过程需按照以下格式打印检测所有图片所需的总预处理、推理、后处理时间到推理日志文件中。
       # 阶段      打印内容
       # 预处理总耗时（分）    total preprocess time: %.2f minutes
       # 推理总耗时（分）      total forward time: %.2f minutes
       # 后处理总耗时（分）    total postprocess time: %.2f minutes
       log-file: /output/log/transportation/log.txt
   

3. 点击项目页面的云脑页。点击新建任务按钮新建任务。在新建任务页面中选择任务类型为BENCHMARK。数据集选择本benchmark的数据集。
4. 点击任务右侧的调试按钮进入任务容器，在任务容器中配置算法程序的运行环境。
5. 运行以下命令进行基准测试。

   cd /benchmark
   bash ./run_mot_bk.sh
   

6. 完成基准测试后，可点击任务右侧的评分按钮查看评估结果。