Swin Transformer实战目标检测：训练自己的数据集

已于 2022-05-06 21:32:37 修改
阅读量5.9k 收藏 12
点赞数
分类专栏： 深度学习之计算机视觉 文章标签： Transformer Swin 目标检测 物体检测
于 2022-01-04 18:53:29 首次发布
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/bai666ai/article/details/122309266
版权

课程链接：Swin Transformer实战目标检测：训练自己的数据集--计算机视觉视频教程-人工智能-CSDN程序员研修院

Transformer发轫于NLP（自然语言处理），并跨界应用到CV（计算机视觉）领域。 Swin Transformer是基于Transformer的计算机视觉骨干网，在图像分类、目标检测、实例分割、语义分割等多项下游CV应用中取得了SOTA的性能。该项工作也获得了ICCV 2021顶会最佳论文奖。

本课程将手把手地教大家使用labelImg标注和使用Swin Transformer训练自己的数据集。 

本课程将介绍Transformer及在CV领域的应用、Swin Transformer的原理。 课程以多目标检测（足球和梅西同时检测）为例进行Swin Transformer实战演示。

课程在Windows和Ubuntu系统上分别做项目演示。包括：安装软件环境、安装Pytorch、安装Swin-Transformer-Object-Detection、标注自己的数据集、准备自己的数据集（自动划分训练集和验证集）、数据集格式转换（Python脚本完成）、修改配置文件、训练自己的数据集、测试训练出的网络模型、性能统计、日志分析。 

本课程提供项目的数据集和相关Python程序文件。

相关课程：

《Transformer原理与代码精讲（PyTorch）》https://edu.csdn.net/course/detail/36697

《Transformer原理与代码精讲（TensorFlow）》https://edu.csdn.net/course/detail/36699

《ViT（Vision Transformer）原理与代码精讲》https://edu.csdn.net/course/detail/36719

《DETR原理与代码精讲》https://edu.csdn.net/course/detail/36768

《Swin Transformer实战目标检测：训练自己的数据集》https://edu.csdn.net/course/detail/36585

《Swin Transformer实战实例分割：训练自己的数据集》Swin Transformer实战实例分割：训练自己的数据集--计算机视觉视频教程-人工智能-CSDN程序员研修院

《Swin Transformer原理与代码精讲》 https://download.csdn.net/course/detail/37045

bai666ai
关注
专栏目录
SwinUnet官方代码训练自己数据集
zhouzongzong的博客
08-13 3551
SwinUnet官方代码训练自己数据集
【 ICCV代码复现】Swin Transformer图像分类实战教程 (训练自己的数据集）
weixin_62371528的博客
03-28 3118
官方源码训练，方便修改模型。文章结构包括一、环境配置 包括官方环境配置、数据集结构 二、修改配置等文件 三、训练 1.Train 2.Evaluation 四、常见报错
Swin-Transformer-Object-Detection训练自己的数据集
曾小辉的博客
05-27 5757
环境配置 conda create -n SwinTransformerObjectDetection -y python=3.8 conda activate SwinTransformerObjectDetection conda install pytorch=1.8.0 torchvision cudatoolkit=10.2 -c pytorch -y # mmcv安装 cd ~/software/ rm -rf mmcv git clone https://github.com/open-
Swin Transformer 代码学习笔记(目标检测)
athrunsunny的博客
05-23 9300
为了方便将img_scale设置为[(224,224)]，此时的数据集中的图片会进行resize，并且将短边padding成32的倍数，按最长边与224的比例缩放最短边，即 x=短边 / (500/224)，x即为缩放后的实际长度，比如输入时500*287（w*h）的图片，缩放后的短边长为287 * 224 / 500 = 129，由于输入的图像尺寸需要是32的倍数，此时需要向上取整，所以padding后的短边长为160。接下来把这部分代码拆分出来解读。主体位于SwinTransformer类中。
使用SwinUnet训练自己的数据集
weixin_44669966的博客
07-05 8321
使用SwinUNet实现遥感影像数据集的分割
SwinUnet官方代码训练自己数据集（单通道灰度图像的分割）
热门推荐
qq_37652891的博客
04-03 4万+
官方Swin-Unet代码训练自己的数据集
YOLOV5 改进实战项目【更换backbone为Swin-Transformer】：农场乌鸡目标检测数据集
03-21
基于YOLOV5【更换backbone为Swin-Transformer】对农场乌鸡目标检测数据集的目标检测实战项目，包含代码、数据集、训练好的权重参数，经测试，代码可以直接使用 【数据集介绍】乌鸡图像数据，1类别：乌鸡 训练集...
Swin Transformer实战：timm中的 Swin Transformer实现图像分类（多GPU）。
02-22
本例提取了植物幼苗数据集中的部分数据做数据集，数据集共有12种类别，演示如何使用timm版本的Swin Transformer图像分类模型实现分类任务已经对验证集得分的统计，本文实现了多个GPU并行训练。 通过本文你和学到： ...
Swin-Transformer 图像分类网络实战项目：30种水果图像分类数据集（迁移学习）
03-26
3、训练脚本会自动生成数据集类别的 json 文件，并且通过json文件自动设定网络的输出维度，不需要自己定义输出的channel。train.py 训练完成会生成训练集的loss曲线、学习率衰减曲线、测试集的accuracy曲线以及训练...
Swin-Transformer 图像分类网络实战项目：MIT-BIH心电图像分类数据集迁移学习项目
03-05
基于Swin-Transformer网络对MIT-BIH心电图像分类数据集迁移学习项目，包含代码、数据集和训练好的权重文件，可直接运行。 这里不是数据的全部，原数据转换后的图像有9W张，这里只使用了一小部分子集来训练 项目总...
Swin Transformer实战：使用 Swin Transformer实现图像分类。
最新发布
2401_83817148的博客
04-21 1073
集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。**[外链图片转存中…(img-i3kwkSZg-1713707838458)][外链图片转存中…(img-VDE3unjH-1713707838459)][外链图片转存中…(img-po7mPkI8-1713707838459)][外链图片转存中…(img-ylD27ppP-1713707838460)]
Swin-Unet跑自己的数据集（Transformer用于语义分割）
qq_20373723的博客
03-21 3万+
Transformer用于语义分割
【图像分类】Swin Transformer理论解读+实践测试
兴趣使然的创作者
08-11 4531
Swin Transformer的思想比较容易理解，如下图所示，ViT(Vision Transformer)的思想是将图片分成16x16大小的patch，每个patch进行注意力机制的计算。而Swin Transformer并不是将所有的图片分成16x16大小的patch，有16x16的，有8x8的，有4x4的。每一个patch作为一个单独的窗口，每一个窗口不再和其它窗口直接计算注意力，而是在自己内部计算注意力，这样就大幅减小了计算量。......
江大白 | 万字长文，近3年Transformer在小目标检测领域，进展与突破系统梳理！
csdn_xmj的博客
04-04 3597
目前基于Transformer结构的算法模型已经在计算机视觉（CV）领域展现出了巨大的影响力。他们在很多基础的计算机视觉任务上都超过了之前的卷积神经网络（CNN）算法模型。本文为读者详细讲解近3年Transformer在小目标领域的进展及突破！
SwinUnet跑自己数据
weixin_45235219的博客
09-05 1195
swinunet跑自己训练集
Swin Transformer实战实例分割：训练自己的数据集
bai666ai的博客
01-04 5667
课程链接：Swin Transformer实战实例分割：训练自己的数据集--计算机视觉视频教程-人工智能-CSDN程序员研修院 Transformer发轫于NLP（自然语言处理），并跨界应用到CV（计算机视觉）领域。Swin Transformer是基于Transformer的计算机视觉骨干网，在图像分类、目标检测、实例分割、语义分割等多项下游CV应用中取得了SOTA的性能。该项工作也获得了ICCV 2021顶会最佳论文奖。 本课程将手把手地教大家使用labelme标注和使用Swin Transfo..
【swinUnet官方代码测试自己的数据集（已训练完毕）】
qq_37652891的博客
04-03 1万+
swinUnet官方代码测试自己的数据集
SwinUnet官方代测试数据集
zhouzongzong的博客
08-13 1483
SwinUnet官方代测试数据集
swin-unet训练VOC数据集之生成.npz文件
Sgappti的博客
03-20 1337
swin-unet训练VOC数据集之生成.npz文件
swin transformer训练自己的数据集目标检测
05-16
Swin Transformer是一种用于图像分类和目标检测的新型神经网络，它使用了一种基于局部注意力机制的新型Transformer结构，并在多个数据集上取得了良好的表现。如果你想使用Swin Transformer训练自己的数据集目标检测模型，可以按照以下步骤进行： 1. 准备数据集：首先需要准备自己的数据集，包括训练集、验证集和测试集。数据集应该包括图像和标注文件，标注文件格式可以是COCO、PASCAL VOC等常见格式。 2. 安装Swin Transformer代码库：可以从GitHub上下载Swin Transformer的代码库，并按照说明安装依赖项。 3. 修改配置文件：Swin Transformer使用配置文件来指定模型的参数和训练参数，需要根据自己的数据集和训练需求修改配置文件。可以参考代码库中的示例配置文件进行修改。 4. 开始训练：使用修改后的配置文件启动训练过程。可以使用命令行工具或者脚本启动训练，训练过程中需要指定训练集、验证集、优化器、学习率等参数。 5. 模型评估和测试：训练完成后，可以使用验证集对模型进行评估，计算模型在各个指标上的表现。还可以使用测试集对模型进行测试，检测模型在实际场景中的表现。 需要注意的是，训练目标检测模型是一个复杂的过程，需要具备一定的机器学习和深度学习基础，并且需要具备较高的计算资源和时间。如果你是初学者，建议先学习一些基础的机器学习和深度学习知识，再尝试使用Swin Transformer进行训练。
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

bai666ai

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