MMdetection3.0 问题：DETR验证集上AP值全为0.0000

最新推荐文章于 2024-03-14 00:31:19 发布
最新推荐文章于 2024-03-14 00:31:19 发布
阅读量957 收藏 9
点赞数 11
分类专栏： MMdetection 目标检测 深度学习 文章标签： 人工智能 深度学习 MMdetection
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/MZYYZT/article/details/134748677
版权
文章讨论了在MMdetection3.0中，DETR模型在NWPU-VHR-10数据集上训练时遇到的验证集AP值全为0问题，涉及Faster-rcnn和YOLOv3的成功训练对比。作者疑惑是数据集规模问题还是参数设置需调整，寻求专家意见。
摘要由CSDN通过智能技术生成

MMdetection3.0 问题：DETR验证集上AP值全为0.0000

条件：
1、选择的是NWPU-VHR-10数据集，其中训练集455张，验证、测试相同均为195张。
2、在Faster-rcnn、YOLOv3模型上均能训练成功，但是在DETR训练时，出现验证指标全为0.0000的问题。

问题：
1、DETR验证集上AP值全为0.0000

是因为数据集量太小的原因吗？还是需要特别关注某些具体参数的调整呢？

请各位路过的大佬指教一下！！！
在这里插入图片描述

MZYYZT
关注
  • 11
    点赞
  • 踩
  • 9
    收藏
    觉得还不错? 一键收藏
  • 16
    评论
专栏目录
mmdetection训练SOLOv2修改过的源码
03-19
通过修改，目前只需要建个mmdetection环境就可以跑，资源中附带教程。
mmdetection 模型评测指标
03-02
1. mmdet 默认使用的是coco格式的数据集，算法训练模型也是使用的coco格式训练数据； 2. 评测指标同样使用COCO数据集的评测指标，指标如下： 3. 算法评测参数： bbox  —— 目标检测框 segm —— 目标分割结果 4.  模型的判断标准有AP（平均精确率） 和AR（平均召回率） 两大类，在机械臂项目中，主要依据AP 来进行评测。 MAP  ——   mean Average Precision, 即各类别AP的平均值 AP50  ——  IOU 阈值设置成0.5时的AP值，也可协作mAP.5 mAP.5:.95 ——  mAP@[.5:.95](mAP@[.5,.95]) 表示在阈值区间 [0.5, 0.95]，步长为0.5的平均mAP 。IoU thresholds, from 0.5 to 0.95, step 0.05 (0.5, 0.55, 0.6, 0.65, 0.7, 0.75, 0.8, 0.85, 0.9, 0.9
关于DETR模型训练自定义数据集AP=0问题
pengxiang1998的博客
03-01 2209
刚开始时，博主还以为是初始训练的问题，后来进行了6个轮次后结果依旧没有改变，此时以为是数据集的类别与编号没有对应造成的，但经过排查却并非是这个原因。这时博主就很奇怪了，先前不是已经给了ResNet预训练权重了吗，怎么还会要求这个呢，查看了一下服务器的源码也没有发现异常，而在查看GPU使用情况时（如下图），博主此时的batch-size=32，但GPU利用率与显存占用率并不高，这与论文中提到的很吃配置明显是不符的。修改后再次运行，不再报错，也可以运行了，但缺依旧没有解决AP=0的问题。
DETR类模型COCO训练结果异常，评测AP=0解决方案记录
qq_36396406的博客
12-13 1383
接着我想到了我在coco_minitrain上只实验过1enc+4dec与3enc+6dec的缩水版模型（为了快速验证，hidden_dim与num_query均也有相应调小），于是猜测是不是完整的6enc+6dec难收敛的问题，于是我将1enc+4dec与3enc+6dec在完整COCO上实验，发现能得到正常的结果。因为之前的1enc+4dec与3enc+6dec的缩水版模型的参数量相对较小，我将其bs分别调整为8与4，对于3080TI 12G，这刚好能卡到显存上限。由此看来，bs似乎就是那个罪魁祸首。
MMdetection3.0 训练DETR问题分析
MZYYZT的博客
12-12 1602
3、在MMdetection3.0框架下，直接加载修改后的detr的完整预训练权重训练测试结果见下图所示：=》警告消除，一切正常，并且修改证据权重类别后loss下降变快，val指标更好（不能说更好，只能说更正常）2、Transformer模型提出来的时候就已经说明很吃数据，所以没有足够的数据直接使用transformer训练往往效果不好，所以数据量不足的情况下，还是加载预训练权重吧。3、backbone的权重在模型的比例其实很小，主要还是后面的编码、解码器，所以只加载backbone的权重也没什么用。
【已解决】RT-DETR /YOLOX用自己的数据集训练时，遇到AP一直为0的情况
m0_49687072的博客
03-14 608
1.这里的id和image_id应该从几开始。2. categories里的id应该从几开始。此外 我还有几点疑惑。
mmdetection算法之DETR（0）
weixin_41311686的博客
06-09 747
基本网络结构 backbone:resnet50 neck:无 head:transformer
MMDetection报错解决:(1)在验证和测试时CUDA out of memory；(2)验证和测试时mAP全为0
m0_46749624的博客
03-18 2424
关于MMDetection的两个bug的解决方案:(1)在验证和测试时CUDA out of memory;(2)验证和测试时mAP全为0
mmdetection3改进cocoapi评估指标
记录些个人学习过程的代码实现以及解决方案
02-02 1839
在训练自己的模型时，正常情况下只能打印评估指标，形式如下开启打印每一类的评估数据时，仅仅只能打印mAP的值修改后如下可以打印真实的平均准确率(Precision)、召回率(Recall)、mAP注:下图的mAP_50_95即是上图的mAP值实验环境 修改步骤 项目最终目录1.粘贴工具包中的至下，其代码如下，新建将下面代码粘贴即可 2.新建自己的，命名为,路径: 3.修改路径下的，主要是修改导包处改为修改后代码如下 4.修改文件 5.中开启测试打印 完整效果 运行时输出如下
mmdetection3.0.0用coco训练正常，voc格式训练出现map很低的情况
Pliter的博客
11-14 314
训练SSDD数据集的时候，发现coco格式训练正常，但voc格式训练出现map值很低，一直升不上去。试了下2.x版本的mmdetection训练voc格式没问题，解决方案是在configs/_base_/datasets/voc0712.py中删掉bbox_min_size=32即可。
detr-r50-e632da11.pth
10-25
detr-r50-e632da11.pth
mmdetection.zip
01-13
mmdetection有一个活跃的社区，用户可以在GitHub上提交问题、分享经验，获取最新的开发动态和更新。此外，社区还提供了大量的示例代码和实战项目，帮助用户更好地理解和运用mmdetection。 总之，mmdetection是一个...
mmdetection修改backnone
最新发布
03-26
### 修改MMDetection中的Backbone知识点详解 #### 一、设计新的Backbone模块 在MMDetection框架中，想要引入自定义的Backbone模块（如本例中的`SpinMLP`），首先需要创建一个对应的Python文件。在此示例中，作者...
DETR:DEtection TRansformer
07-10
DETR，是首次将Transformer运用于目标检测，实现了transformer在CV界能够完成下游任务，该资源包含DETR全部代码，训练代码、测试代码、全部调通，无需修改，直接运行；coco数据集，API曲线、训练权重、测试权重等，...
DETR训练自己的数据集AP=0
Qingxingxx的博客
02-04 862
和lr_scheduler里的衰减参数，调整学习率衰减策略。直接跑detr的代码会出现MAP全是0的情况。总体感觉detr训练比较慢，精度上升得也慢。自己的数据集约6k训练集，3k测试集。的default改小，改成0.01。1、main.py里。
MMDetection实验记录踩坑记录
pengxiang1998的博客
09-08 858
因为在此之前已经运行过YOLOX,Faster-RCNN等模型，所以数据集的设置肯定是没有问题的，而博主也只是修改了DAB-DETR的类别参数而已，一想到这，才猛然想起，DETR类模型的类别数还需要加上一类，即背景类，先前在修改参数时，看到原始参数为80，还以为不用加1了呢。MMDetection针对模型在训练过程中意外中断，避免重头训练，设计了断点训练参数 resume，只需要将该参数设置为最后一次训练的权重即可。在实验MMDetection的DAB-DETR模型进行实验时，AP值始终上不去。
【YOLO】解决YOLOX训练时AP为0
热门推荐
MangoloD的博客
08-12 1万+
前段时间被YOLOX刷屏了，各个公众号都在强推，号称：性能超Yolov5，吊打一切YOLO 于是，我满怀期待，下载下源码，准备试一试．．． 一、问题描述 嗯，没错，遇到了一堆bug，不过好在都解决了，最后训练的时候 好家伙，AP一直为0，上GIthub上一搜索，看来遇到同样问题的不止我一个 而且根据有些答复修改，发现也不对，最后陷入沉思．．． 直到昨天群组里偶然有人说他用YOLOX成功还部署了，我就呆了，告诉了他我训练时AP为0，并询问了他具体使用方法，当然得到的答复并没有真正解决问题．．． 二、发现问题
如何通过理解数据在自定义数据集上逐步提升物体检测模型效果
AI公园
10-29 1783
点击上方“AI公园”，关注公众号，选择加“星标“或“置顶”作者：Tushar Kolhe编译：ronghuaiyang导读以监控摄像头数据集的人体检测模型为例，说明了如何通过对数据的理解...
mmdetection detr改进
08-12
引用中提到，Deformable DETR是对原始的DETR算法的改进。DETR算法的整体流程包括特征向量提取、位置编码信息添加、Transformer中的encoder部分、Transformer中的decoder部分、FFN部分和后续的匈牙利匹配损失计算。而Deformable DETR的改进主要体现在对小目标检测不友好的问题上。由于原始DETR只使用了最后一层特征图进行检测，对小目标的检测效果较差。因此，Deformable DETR通过增加Deformable Convolution模块来改善小目标的检测效果。 引用中介绍了mmdetection中Detr的整体逻辑。首先，图像经过提取特征向量的操作，然后通过DetrHead计算最终的损失。具体而言，输入图像经过提取特征向量的操作得到x，然后传入DetrHead计算损失。 而引用中提到，在得到图像特征向量x、masks矩阵以及位置编码pos_embed后，可以将它们送入Transformer模块中。其中，x的维度为，mask的维度为，query_embed的维度为，pos_embed的维度为。通过Transformer模块的运算，得到outs_dec，其维度为[nb_nb_dec, bs, num_query, embed_dim。 综上所述，mmdetection中的Deformable DETR算法主要是在DETR算法的基础上进行改进，通过增加Deformable Convolution模块来改善小目标的检测效果。在mmdetection中，Detr的整体逻辑是通过提取特征向量和使用DetrHead计算损失来进行训练。而在Deformable DETR中，通过将图像特征向量、masks矩阵和位置编码输入到Transformer模块中，得到最终的输出。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [Detr源码解读(mmdetection)](https://blog.csdn.net/qq_45990036/article/details/129208115)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]
评论 16
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
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