DINO在Windows环境下训练自定义数据集

Jager_416

已于 2023-03-10 09:48:07 修改

阅读量4.9k

点赞数 3

文章标签： windows 深度学习人工智能目标检测

于 2023-02-24 11:15:28 首次发布

本文链接：https://blog.csdn.net/Lc_001/article/details/129197052

版权

本文介绍了在Windows上使用DINO进行目标检测的详细步骤，包括配置Pytorch环境，编译CUDA operators，处理Win环境特有的错误，以及训练自定义数据集的注意事项，如修改num_classes和解决权限问题。

摘要由CSDN通过智能技术生成

简介

论文： https://link.zhihu.com/?target=https%3A//arxiv.org/abs/2203.03605
代码： https://link.zhihu.com/?target=https%3A//github.com/IDEACVR/DINO
DINO: 让目标检测拥抱Transformer

主要特性：

SOTA性能：在大模型上以相对较小的数据和模型（～1/10相比之前SwinV2）取得了最好的检测结果。在ResNet-50的标准setting下取得了51.3 AP。
End2end(端到端可学习)：DINO属于DETR类型的检测器，是端到端可学习的，避免了传统检测器许多需要手工设计的模块（如NMS）。
Fast converging(收敛快)：在标准的ResNet-50 setting下，使用 5 个尺度特征（5-scale）的 DINO 在 12 个 epoch 中达到 49.4 AP，在 24 个 epoch 中达到 51.3 AP。使用4个尺度特征（4-scale）的DINO达到了了类似的性能并可以以 23 FPS 运行。

在这里插入图片描述

配置环境

下载代码

git clone https://github.com/IDEA-Research/DINO.git
cd DINO

安装Pytorch环境

# an example:
conda install -c pytorch pytorch torchvision

安装代码环境

pip install -r requirements.txt

编译CUDA operators

cd models/dino/ops
python setup.py build install
# unit test (should see all checking is True)
python test.py
cd ../../..

注意:

若出现cocoapi/panopticapi/MultiScaleDeformableAttention编译安装失败的情况, 请检查电脑中是否存在完整的C++编译环境, 缺少请安装相应编译环境, Win请参考如何解决 Microsoft Visual C++ 14.0 or greater is required. Get it with “Microsoft C++ Build Tools“
编译CUDA operators 要求Pytorch与CUDA版本必须一致, 不能高也不能低. 若不一致请调成直至版本相同
执行python test.py后若出现缺少包MultiScaleDeformableAttention, 则说明CUDA operators编译安装失败, 若出现显存/内存溢出报错则属于正常现象.

PS: 其实CUDA高