Тестовое задание:

Написать нейронную сеть детекции для любого класса из датасета COCO с помощью библиотеки Pytorch, упаковать обучение в докер. На выходе сети должны получать 1 ограничивающую рамку экземпляра выбранного класса. Нельзя использовать готовые модели нейронных сетей, необходимо реализовать модель самостоятельно, архитектура может быть любой, высокая точность детекции не требуется.

Задания со звёздочкой:

• Модель способна будет выдавать уверенность в каждой предсказанной ограничивающей рамке и, соответственно, этих рамок будет несколько.
• Модель будет показывать высокое качество распознавания. При выполнения задания со звёздочкой датасет может быть взят из других источников

---

Загрузка датасета

В целях экономии трафика в данном примере используется набор validation2017, т.к. в нем не много изображений. На других наборах данных из COCO проект не тестировался.

Предварительно желательно скачать эти *.zip архивы и поместить в папку dataset:

http://images.cocodataset.org/annotations/annotations_trainval2017.zip http://images.cocodataset.org/zips/val2017.zip

После скачивания они будут включены в контейнер Docker при сборке

Если предварительно не скачивать, то необходимые файлы будут загружены внури контейнера Docker после запуска

---

Сборка и запуск образа Docker

Загрузка проекта

git clone https://github.com/ximader/ssd_detection_model.git
cd ssd_detection_model

Сборка проекта

docker build . -t ssd-detection-model:1.0

Запуск загрузки датасетов (если не загружены при сборке) и старт обучения

docker run -it --gpus all ssd-detection-model:1.0 bash ./run.sh