复现SASSD论文时出现的问题及解决方式

最新推荐文章于 2022-10-23 13:59:58 发布
最新推荐文章于 2022-10-23 13:59:58 发布
阅读量1.2k 收藏 1
点赞数
分类专栏： Linux 文章标签： pycharm python tensorflow
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Fzc_Ztt/article/details/122225345
版权

Q1:
出现ModuleNotFoundError: No module named 'pycocotools’错误
A1:
试了一下把下方百度网盘链接的压缩文件复制到anaconda-envs-项目所在环境-Lib-site-packages然后路径下命令行里

就可以（记得先修改文件权限），不行的话就去Pycharm里环境刷新一下看有没有

pip install pycocotools-2.0.2.tar.gz

链接：https://pan.baidu.com/s/1tuegW7VUlkttFzg4kww5ng
提取码：1111

Q2：KeyError: ‘SSFA is not in the neck registry’

A2:

cp -rf /home/zhicheng/SE-SSD/det3d-bak/models/necks/* /home/zhicheng/.conda/envs/sessd/lib/python3.6/site-packages/det3d-1.0rc0+130baed-py3.6-linux-x86_64.egg/det3d/models/necks/

Fzc_PCL
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
【第19篇 】SE-SSD论文翻译
AI浩
10-22 1408
摘要 ​ 本文提出了一种基于自集成单级目标检测器(SE-SSD)的室外点云三维目标检测方法。我们的重点是利用我们的公式约束开发软目标和硬目标来联合优化模型，而不引入额外的计算在推理中。具体来说，SE-SSD包含一对teacher 和student ssd，在其中我们设计了一个有效的基于iou的匹配策略，从teacher中过滤软目标，并制定一致性损失对齐student的预测与他们。此外，为了最大限度地利用提炼出来的知识来集成teacher，我们设计了一种新的增强方案来产生形状感知的增强样本来训练stu
【三维目标检测】SASSD（一）
最新发布
叶子的博客
12-07 3040
SASSD是用于点云三维目标检测模型算法，发表在CVPR 2020《Structure Aware Single-stage 3D Object Detection from Point Cloud》，论文地址为“https://www4.comp.polyu.edu.hk/~cslzhang/paper/SA-SSD.pdf”。SASSD与基于Anchor的目标检测模型的结构基本保持一致，其核心特点在于采用了一个语义分割网络来辅助候选框特征提取，使产生的候选框质量更高。辅助网络这一点与PointRCNN和
SASSD复现
weixin_54075936的博客
07-04 274
SASSD复现
SA-SSD复现
Roland_fire的博客
07-27 1538
SA-SSD复现 环境 Ubuntu 16.04 Python 3.6 pytorch 1.1.0 CUDA 10.0 Cudnn 7.6.4 依赖 python3.6+ pytorch (tested on 1.1.0) opencv shapely mayavi spconv (v1.0) 安装 基础安装： conda create --name SASSD python=3.6 conda activate SASSD conda install pytorch==1.1.0 torch
3D目标检测SE-SSD 模型工程化复现
weixin_44316541的博客
04-19 3407
se-ssd 3d目标检测模型，在cuda11环境下工程化、可视化
SASSD
xinxiang7
02-20 1709
Structure Aware Single-stage 3D Object Detection from Point Cloud 文章：SA-SSD 代码：SA-SSD 这是来自香港理工大学和达摩院的一篇文章，一作是为在读的博士生，何晨航。通讯作者是张磊，香港理工大学的博导，目前在达摩院。华先胜达摩院的的人，也是为大牛。 Abstract 提出问题： 目前的单级探测器通过完全卷积方式逐步缩小三维点云是有效的。但是缩小特征不可避免的损失空间信息和无法充分利用3D点云的结构信息，降低了位置精度。 文章工作：
3D点云学习：SA-SSD④源码注释
themasterbi的博客
06-23 2198
1 SASSD算法神经网络结构 SASSD在神经网络结构上的创新点主要在两点：auxiliary network 以及 PS Warp损失计算方法。这两点在代码实现上也有一定的特点，同时代码结构和论文中的网络结构也存在一定的差异。 如上图所示，论文中网络主要包括三部分，Backbone network，Auxiliary network和Detection network，但在源码中，Backbone network和Auxiliary network由于其交互性较强，每一步都要互相影响，因此放到了一个部分
详解一阶段3D物体检测网络 SE-SSD: Self-Ensembling Single-Stage Object Detector From Point Cloud
10点43的博客
06-17 4047
本文介绍一篇一阶段的3D物体检测网络：SE-SSD，论文已收录于 CVPR 2021。 这里重点是理解本文提出的 Consistency Loss 、Orientation-Aware Distance-IoU Loss、Shape-Aware Data Augmentation。 论文链接为：https://arxiv.org/pdf/2104.09804.pdf 项目链接为：https://github.com/Vegeta2020/SE-SSD 0. Abstract 这里先给出本文摘要： 针对室.
SE-SSD
ylwhxht的博客
11-30 2848
SE-SSD Key Knowledgeable： Teacher-Student SSD SE-SSD网络核心框架主要包括Teacher SSD和Student SSD两个部分。 SSD由Voxelization、SPConvNet、BEVConvNet、MT-Head组成。 Teacher SSD为Student SSD的训练提供soft target：不像groundtruth准确，唯一，过于死板，Teacher 预测的box产生更多信息，更利于student学习。同时Teacher和Stu.
【论文阅读】【三维目标检测】Structure Aware Single-stage 3D Object Detection from Point Cloud
麒麒哈尔的博客
04-12 4472
文章目录SASSDmotivationFrameworkAuxiliary NetworkPS WarpExperiment思考Point和Voxel的结合之作PSwarp将one stage和two stage的方法联系起来 香港理工大学和阿里巴巴达摩院出品，之前听说阿里的团队检测KITTI排第一，可能就是这篇文章吧。 如果对2D Object Detection有一定了解，其实本文读起来还是比...
SA-SSD：阿里达摩院最新3D检测力作（CVPR2020）
3D视觉工坊
04-16 1309
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达Brief来自CVPR2020的研究工作，也是仅仅使用Lidar数据进行3D检测的文章，CVPR2020接收的几篇文章中，采用LiD...
半监督3D医学图像分割（四）：SASSNet
weixin_44858814的博客
10-23 3554
​ 作者在分割网络的最后一层，增加一条支路输出SDM（signed distance map，带符号距离映射），SDM是分割二值图中，每个像素到目标边界的距离，包含目标的表面和形状信息。​ 这篇文章提出的形状感知半监督分割方法，在网络中加入更灵活的几何表示，以便对分割输出执行全局形状约束，同时处理具有不同位置或形状的目标，探究有标签和无标签图像的预测结果在几何空间上的一致性。有标签的图像和无标签的图像，分别标记为1和0，判别器（D）的输出在[0, 1]，越接近1，说明和有标签的图像越相似。
Python——报错解决: KeyError: ‘XXXX is not in the models registry‘
Irving.Gao的博客
02-12 7559
报错截图 报错原因 某些当前代码使用的方法没有注册到现有的包中, 导致在import的时候无法导入该方法 解决方法 在该工程的根目录下: 找到requirements.txt或者相关安装依赖环境的txt文件,重复安装一边; 将该包中的所有方法重新安装即可. pip install -r requirements.txt pip install -v -e . 问题解决 ...
detectron2学习:KeyError: “No object named ‘XXXXX‘ found in ‘BACKBONE‘ registry!“
qq_20793791的博客
08-10 5239
问题来源:在使用FB的框架detectron2改写模型的时候碰到了KeyError: "No object named 'XXXXX' found in 'BACKBONE' registry!"的bug。 分析：detectron2中自定义的模型都需要注册,这一点官方的文档中已经提到，上图是官方给出的标准模型注册code，我照着官方文档改写代码还是报错，我的代码如下： 可以看到，我已经像文档所说的那样使用装饰器注册了我自己的backbone，但是运行train_net.py还是会报错找不到自定
关于KeyError:‘ ‘问题的解决
weixin_43254438的博客
03-23 5万+
今天在使用python中的函数format的过程中有个很奇怪的错误：KeyError: 'name’ 在网上查了很久没有很明确的解决办法，后面查format函数使用才知道如何解决 例子如下： 解决办法是多加一层大括号 如果对你有帮助，给我点个赞吧 ...
npm安装依赖时报 “xxx is not in the npm registry“错的解决办法之一
热门推荐
Yukinoshita_kino的博客
08-07 9万+
一. 场景 我在安装better-scroll2.0没问题，但是在装它的下拉加载更多和上拉刷新插件时报了这个错，如下： 二. 解决办法 2.1 输入npm config list 命令查看当前配置情况，如下： 2.2 将npm的获取地址从https改为http 2.3 查看修改后的配置npm config list 2.4 重新安装之前装不起的依赖，成功安装 （完） ...
EurekaServer这几个错误 你可以这样解决
lonsonlee的专栏
11-22 2万+
程序调试遇到了不启动的几个问题pom.xml 更改前EnableDiscoveryClient cannot be resolved to a type错误信息eclipse的Problem窗口显示有错误Run App 报错解决办法ClassNotFoundException: com.google.common.cache.CacheBuilder错误信息Run -as Spring Boot ...
docker registry私有仓库的一些错误解决办法
Linux C/C++后台开发
08-12 2万+
Error response from daemon: login attempt to https://test.io:5000/v2/ failed with status: 401 Unauthorized 这种情况是用户名或者密码错误导致Error response from daemon: Get https://test.io:5000/v1/users/: x509: certifi
论文小结：SA-SSD
u013086672的博客
12-19 1169
SA-SSD收录于CVPR 2020。这是一篇由香港理工大学和阿里巴巴达摩院合作的工作。这篇文章作者提出一个One stage的方法，但又兼具two-stage方法的精细回归特性，作者在backbone的基础上添加了一个辅助网络，使得backbone具有structure aware的能力，使得定位更加准确。另外作者也对预测框和classification confidences之间不匹配的问题，也设计了一个新的解决办法。
【论文阅读】【3d目标检测】Point Density-Aware Voxels for LiDAR 3D Object Detection
hgj1h的博客
04-08 1737
论文题目：Point Density-Aware Voxels for LiDAR 3D Object Detection cvpr2022 多伦多大学 这篇文章主要是对于现在voxel的方法忽略点云在roi中的稠密度的问题做了一定的工作。 过去的一些工作要么就是进行规则的voxel操作，在每个voxel的格子中规则地提取feature，要么就是利用FPS考虑一些关键点，来进行特征的提取。这些关键点对于点云的稠密度有一定的识别作用：例如在稠密的地方，选取的点肯定多一些，这样便利于物体的识别。（例如PVRCN

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Fzc_PCL

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值