电力人工智能数据竞赛决赛——安全帽未佩戴行为目标检测赛道基准模型.zip

# 电力人工智能数据竞赛决赛——安全帽未佩戴行为目标检测赛道基准模型 以下为电力人工智能数据竞赛决赛-安全帽未佩戴行为目标检测赛道基准模型介绍。其中包含了智源联邦学习框架的简化版本（真实版本后期会以论文的形式发布）和基于 [YOLOv3模型](https://github.com/eriklindernoren/PyTorch-YOLOv3) 完成的实验。 * 决赛和初赛的区别： * 决赛联邦学习框架 * 升级了联邦学习通信框架，当前基于 [fastapi](https://github.com/tiangolo/fastapi) 和 [aiohttp](https://github.com/aio-libs/aiohttp) 的实现不仅提升了通信效率和安全，而且解决了超时问题 * 联邦学习框架会启动 [差分隐私模块](https://github.com/pytorch/opacus) 保护通信过程中模型参数隐私性 * 完成一个联邦学习流程后，`baai-client`和`sgcc-client`会把本地`log`文件夹的日志`.log`和`.json`结果文件推送到`contestant-server`的`log`文件夹，方便选手分析日志和提交结果 * 决赛数据集 * [决赛数据集](https://open.baai.ac.cn/data-set-detail/MTI2NTE=/Njk=/true) 为国网电力真实场景的安全帽图片（包含没有安全帽的背景图），共计15000张 * 决赛选手权限 * 无法访问和接触决赛数据集 * 只能操作`contestant-server`（基于智源提供的`CPU`机器，每位选手提供一台），智源和国网电力操作`baai-client`和`sgcc-client`（基于智源和国网电力提供的`GPU`机器，两个`client`处于不同的`GPU`机器，每个`client`提供一块`Tesla V100 32GB`），以完成真实场景的联邦学习 * 完成提交之后，主办方会提供具体访问`CPU`和`GPU`机器的方式 * 决赛选手流程： * 将新的联邦学习框架跟初赛的数据集和模型结合，于本地跑通整个流程 * 决赛前半段（`12月20日——12月31日`）：由于部分选手提交的代码和文档存在逻辑、规范问题，主办方会对选手提交文件进行审查，代码、文档存在问题的取消本次实验机会，需要重新提交；没有问题的跟决赛后半段流程保持一致 * 决赛后半段（`12月31日——1月15日`）：在官网完成`zip`压缩文件的提交，每日可提交`5`次，主办方下载本日最后一次提交，于次日启动`baai-client`和`sgcc-client`，并通知选手启动`contestant-server`开始联邦学习 * 完成联邦学习的训练、测试、检测流程之后，下载日志`.log`和`.json`结果文件，在官网提交`.json`结果文件更新排行榜 * 分析日志`.log`文件，根据整体情况优化项目，再次提交`zip`压缩文件，开启下一次联邦学习 * 注意事项： * 选手在提交`zip`文件时一定按照要求（初赛提交时部分选手不符合，决赛缺一不可） * 提交次数：每天最多提交`5`次 * 提交大小限制：不超过`500M` * 提交文件：一个`zip`压缩文件，包括以下部分：可复现结果的代码（基于联邦学习框架），预训练模型，详细说明文档（可以独立写文档或者写在`README.md`中，包括队伍名称、选手单位、选手姓名和联系方式，项目解读，运行环境（系统型号、`CUDA`版本、`GPU`版本和配置），需要安装的`Python`库（代码所使用的库和版本可写在`requirements.txt`中），运行方式等等） * 请各位选手重视代码和文档的逻辑、规范问题（下面给出典型例子），这样不仅能够提升主办方的部署效率，而且可以增加本支队伍和其他队伍的实验机会 * 文档需要说明清楚实验环境（系统型号、`CUDA`版本、`GPU`版本和配置等等） * `Python`库安装方式和版本指定清楚 * 公开工具库若有修改，文档需要说明修改部分和使用方式 * 配置文件存在的变量需要以配置文件指定值为准，不能在代码中“另起炉灶” * 配置文件若有修改，文档需要说明修改字段和指定配置文件位置 * 代码有时会新建文件夹，需在文档说明清楚 * 删除无实际功能和调用的冗余代码，优化代码结构 ## 环境要求 服务器环境： * `nvidia/cuda:10.2-devel-ubuntu18.04` Python库环境： * `aiohttp==3.7.3` * `fastapi==0.62.0` * `Flask==1.1.1` * `loguru==0.5.3` * `numpy==1.18.1` * `Pillow==7.0.0` * `Python==3.7.6` * `python-multipart==0.0.5` * `torch==1.7.1` * `terminaltables==3.1.0` * `torchvision==0.8.2` * `tqdm==4.42.1` * `uvicorn==0.13.1` 详情请参考`finals-helmet-baseline`下面的`requirements.txt` ## 项目结构 ``` . ├── README.md ├── baai-client # 智源联邦学习客户端 │   ├── api │   │   └── client_api.py # 选手联邦学习服务端需要调用智源联邦学习客户端的函数（训练、测试等） │   ├── config │   │   ├── base_conf.py # 本机IP地址和端口号配置 │   │   ├── finals_contest_helmet_federal_conf │   │   │   ├── create_finals_contest_helmet_federal_model_conf.sh # 构建yolov3模型的bash脚本 │   │   │   └── finals_contest_helmet_federal_conf.data # 决赛安全帽数据集路径信息 │   │   ├── options_conf.py # 初始化参数函数 │   │   └── routes_conf.py # 配置调用方法 │   ├── main.py # 智源联邦学习客户端启动主函数 │   ├── module │   │   └── models_module.py # yolov3模型相关类 │   ├── service │   │   └── federated │   │   └── client_service.py # 智源联邦学习客户端类 │   └── utils │   ├── common_utils.py # 常用功能函数 │   ├── custom_error_utils.py # 自定义错误信息类 │   ├── data_utils.py # 处理加载数据集相关函数 │   ├── result_utils.py # 通信结果封装类 │   └── tool_utils.py # 辅助功能函数 ├── contestant-server # 选手联邦学习服务端 │   ├── config │   │   ├── finals_contest_helmet_federal_conf │   │   │   └── create_finals_contest_helmet_federal_model_conf.sh # 构建yolov3模型的bash脚本 │   │   └── options_conf.py # 初始化参数函数 │   ├── http_request │   │   └── async_request.py # 异步调用方法类 │   ├── module │   │   └── models_module.py # yolov3模型相关类 │   ├── service │   │   └── federated │   │   └── server_service.py # 选手联邦学习服务端类 │   └── utils │   ├── common_utils.py # 常用功能函数 │   ├── custom_error_utils.py # 自定义错误信息类 │   ├── data_utils.py # 处理加载数据集相关函数 │   ├── result_utils.py # 通信结果封装类 │   └── tool_utils.py # 辅助功能函数 ├── requirements.txt # 需要安装的python库 └── sgcc-client # 国网电力联邦学习客户端（功能与智源联邦学习客户端相同，此处不展开介绍） ├── api │   └── client_api.py ├── config │   ├── base_conf.py │   ├── finals_contest_helmet_federal_conf │   │   ├── create_finals_contest_helmet_federal_model_conf.sh │   │   └── finals_contest_helmet_federal_conf.data │   ├── options_conf.py │   └── routes_conf.py ├── main.py ├── module │   └── models_module.py ├── service │   └── federated │   └── client_ser