mmdet用到的代码

最新推荐文章于 2024-04-11 21:47:28 发布
最新推荐文章于 2024-04-11 21:47:28 发布
阅读量498 收藏 1
点赞数
分类专栏： 研一
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/ahjsd/article/details/109060893
版权

测试

python3 tools/test.py configs/DOTA/faster_rcnn_RoITrans_r50_fpn_1x_dota.py AeriaDetectionModel/DOTA/faster_rcnn_RoITrans_r50_fpn_1x_data/epoch12.pth --out out/out1.pkl

python3 tools/test.py configs/DOTA/faster_rcnn_RoITrans_r50_fpn_1x_dota.py AeriaDetectionModel/DOTA/faster_rcnn_RoITrans_r50_fpn_1x_data/epoch12.pth --out out/out2.pkl --eval bbox

执行train.py 得到.pth文件
执行test.py 生成.pkl和.pkl.json
执行parse_results 生成.txt文件
执行visual.py 生成图片，可以看出检测的框和分数
执行dota_evalution_task1.py，得到检测结果

月与山与我
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
MMDetection框架入门教程（二）：快速上手教程
Sual
10-24 2万+
MMDetection框架入门（二）：整体构建流程   本博客基于以下文档和链接内容整理，大家有兴趣可以看看原文。 轻松掌握 MMDetection 整体构建流程(一) 轻松掌握 MMDetection 整体构建流程(二) 1. 算法组件   MMDetection是一个深度学习开源框架，主要是为了解决当前目标检测算法比较复杂，细节比较多，难以复现的问题。目前 MMDetection 已经复现了大部分主流和前沿模型，例如 Faster R-CNN 系列、Mask R-CNN 系列、YOLO
MMDetection系列 | 4. MMDetection模型代码训练及测试过程的详细解析
Clichong
09-16 3036
用这篇博客来详细记录mmdetection的配置的详细结构。个人认为，只有了解了其结构的组成与实现，才可以更加灵活的调用与修改。在此基础上，本文主要针对 Model 模块中最为复杂的Head部分进行详解。这篇博客是在官方的参考资料上增加了我自己理解的一些补充，以作为后续翻阅的笔记。
mmdetection训练中断，怎么接上次训练结果继续训练，或从之前某个epoch的模型直接开始训练？
m0_63947712的博客
04-11 561
比如如果之前训练后最新的pth是第11个epoch的，但是不小心把epoch_11.pth删了，程序默认找epoch_11.pth，那就找不到这个模型文件了，就会报错。注意我们采用这种方法恢复时，命令的第二个py文件和我们最初用系统提供的模型来训练的命令的第二个py文件是不同的。字段，'help'中写道：如果指定路径，那么恢复相应的模型；最初用系统提供的模型来训练的命令如下：可以看到第二个py文件是configs/...目录里的。因此，要从上次中断的位置或者用之前的模型训练，只需加上--resume字段。
「记录」MMDetection入门篇
绿色羽毛
07-27 434
OpenMMLab是一个深度学习高级库，通过OpenMMLab软件栈可以看出来，低层依旧使用的Pytorch，因此用户并不是在学一个全新的库，而是更加高级，更加方便的Pytorch库，OpenMMLab可以给用户带来更高的效率，使得用户只关注核心算法即可，不用再在配置文件上浪费更多时间MMdet主要由4个部分组成，datasets、models、core和apis另外，MMCV是面向整个OpenMMLab所有开源库的，里面都是通用类和工具类，方便下游各个codebase复用。...
mmdet训练中数据集导入
ydestspring的博客
08-26 650
mmdet训练中数据集导入
MMDeteceion V3版之系列一（环境安装、模型测试、训练以及模型后处理工具）
qq_41627642的博客
05-06 7015
1、MMDeteceion初识 MMDetection是一款优秀的基于PyTorch的深度学习目标检测工具箱，由香港中文大学(CUHK)多媒体实验室(mmlab)开发。基本上支持所有当前SOTA二阶段的目标检测算法，比如faster rcnn，mask rcnn，r-fcn，Cascade-RCNN等。读者可在 PyTorch 环境下测试不同的预训练模型及训练新的检测分割模型。 根据 GitHub 项目所述，MMDetection的主要特征可以总结为以下几个方面： 模块化设计：将检测或者分割任务分解成几个模
mmdet3d预训练模型
08-30
mmdet3d预训练模型
mmdet商汤深度学习框架
12-01
mmdet商汤深度学习框架
工作汇报格式 mmdet3d
01-23
工作汇报格式 mmdet3d
基于mmcv和mmdet的yolov8
05-03
基于mmcv和mmdet的yolov8
适合A100安装的mmdet3d
03-20
适合A100安装的mmdet3d
mmdetection测试权重文件--faster_rcnn_r50_fpn_1x_20181010-3d1b3351.pth
04-23
mmdetection测试权重文件--faster_rcnn_r50_fpn_1x_20181010-3d1b3351.pth
mmdet_ict:计算所举办的竞赛演示，基于视网膜网络，mmdetection框架
03-05
人车模型演示 1.测试样例 默认目录为mm检测 phcl_new.py放到configs / _base_ / datasets / retinanet_r50_fpn_1x_phcl.py放到configs / retinanet / cag.py，phcl.py放到mmdet /数据集/ 修改mmdet / datasets / _ init _.py文件，添加函数路径 from . cag import CAGDataset , PHCLDataset __all__ = [ 'CAGDataset' , 'PHCLDataset' ] （_全部_里面其他内容不动） 2.数据集以及标注 link.sh在mmdetection目录下运行，该脚本将数据集以及标注软连接到相应目录。 split_dataset.py切分标注，因为没有提供测试集，然后demo自己从训练集中切分一部分出
mmdetection 测试时获取precision指标
freshman_qaq的博客
03-14 5310
运行tool/test.py时，会调用mmdet/datasets/voc.py中的evaluate()函数计算AP值，而evaluate()又是调用mmdet/core/evalution/mean_ap.py中的eval_map()函数获取AP值。其实这个函数eval_map()也可以得到Recall和Precision，只是mmdetection的代码中没有这样处理。 先看一下eval_map()返回的内容： mean_ap就是MAP值，另一个eval_results是一个存储字典的列表，存.
mmdetection测试阶段生成各种评价指标，pkl,mAP,APm，APs,APl等
微信号：Custom-Software
02-21 5258
其中，“CONFIG_FILE”代表当前使用的算法，“INPUT_SHAPE”代表输入图像的尺寸，我每次输入都报错，很难受。由于每次输入：[–shape ${INPUT_SHAPE}]，都报错，所以我没有输入，在py文件里面改默认值作为输入。其中，“–shape 1000 608”代表输入图片的大小，“3，1000，608”代表3通道。参考网站：https://zhuanlan.zhihu.com/p/607576946。为例，–out是只生成的权重文件地址，result是生成的pkl文件名；
yolov3的正负样本分配策略mmdet代码详解
liguandong
03-10 3940
以mmdet代码为例，核心代码在YOLOANchorGenerator，GridAssigner，PseudoSampler，YOLOBBoxCoder中，正负样本分配在GridAssigner 输入是neck后，即fpn后的值，(8,512,19,19)，(8,256,38,38)，(8,128,76,76)，8是bs，输出是模型预测（8,21,19,19)，（8,21,38,38），（8,21,76,76），这里的21=3*7，3是anchor，7=4+1+2,4是xywh，1是边界框置信度，2是类别
faster_rcnn_r50_fpn_1x.py配置文件
qq_35975753的博客
06-19 3160
一、简介 在使用mmdetection对模型进行调优的过程中总会遇到很多参数的问题，不知道参数在代码中是什么作用，会对训练产生怎样的影响，这里我以faster_rcnn_r50_fpn_1x.py和cascade_rcnn_r50_fpn_1x.py为例，简单介绍一下mmdetection中的各项参数含义 二、faster_rcnn_r50_fpn_1x.py配置文件 首先介绍一下这个配置文件所描述的框架，它是基于resnet50的backbone，有着5个fpn特征层的faster-RCNN目标检.
【mmdetection踩坑记录】（二）non-distributed模式多卡训练
热门推荐
麒麒哈尔的博客
11-22 1万+
文章目录使用non-distributed模式进行多卡训练在训练过程中进行eval使用work_flow来进行控制val的过程中没有 本博客内容涉及较多对代码的修改，这个前提是对train的过程有比较详细的了解，这部分详见【mmdetection实践】（二）训练自己的网络。在【mmdetection实践】（二）训练自己的网络我使用distributed模式，总是会莫名奇妙的卡住，所以就想采用non...
mmcv mmdet
最新发布
06-10
MMCV (Multi-modal Multi-task Learning CV) 和 MMDetection (Multi-Modal MMDetection) 是两个由中国阿里云团队开源的知名计算机视觉库。MMCV是一个通用的深度学习工具包，它提供了大量的数据处理、模型训练和评估的工具，支持多种计算机视觉任务，包括图像分类、目标检测、分割等。 MMDetection则是基于MMCV的一个专门用于目标检测领域的子项目，它集成了最先进的目标检测算法，并且设计得易于扩展和定制。MMDetection支持多种流行的检测模型，如Faster R-CNN、Mask R-CNN、YOLO、CenterNet等，同时还提供了对多模态数据（比如RGB图像、深度图、点云等）的支持。使用MMDetection，开发者可以快速搭建和训练目标检测模型，并且可以方便地调整和优化模型性能。

“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 1
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