NWD 项目常见问题解决方案

NWD 项目常见问题解决方案

NWD Official code for "A Normalized Gaussian Wasserstein Distance for Tiny Object Detection" 项目地址: https://gitcode.com/gh_mirrors/nw/NWD

项目基础介绍

NWD（Normalized Gaussian Wasserstein Distance）是一个用于微小目标检测的开源项目。该项目的主要编程语言是Python，并且依赖于PyTorch框架。NWD项目的主要目标是提供一种新的距离度量方法，用于改进微小目标的检测性能。

新手使用注意事项及解决方案

1. 环境配置问题

问题描述：新手在配置项目环境时，可能会遇到Python版本不兼容、依赖库安装失败等问题。

解决步骤：

1. 检查Python版本：确保使用Python 3.7或更高版本。可以使用以下命令检查Python版本：

   python --version
   

2. 安装PyTorch：根据官方指南安装PyTorch和torchvision。例如：

   pip install torch==1.5.0+cu101 torchvision==0.6.0+cu101 -f https://download.pytorch.org/whl/torch_stable.html
   

3. 安装MMCV-NWD：从GitHub克隆并安装MMCV-NWD库：

   git clone https://github.com/jwwangchn/mmcv-nwd.git
   cd mmcv-nwd
   MMCV_WITH_OPS=1 pip install -e .
   

4. 安装COCOAPI-AITOD：安装用于AI-TOD数据集评估的COCOAPI-AITOD：

   pip install "git+https://github.com/jwwangchn/cocoapi-aitod.git#subdirectory=aitodpycocotools"
   

2. 数据集准备问题

问题描述：新手在准备AI-TOD数据集时，可能会遇到数据集路径配置错误或数据集格式不匹配的问题。

解决步骤：

1. 下载AI-TOD数据集：参考AI-TOD数据集的官方指南下载数据集。
2. 配置数据集路径：将数据集根目录链接到$NWD/data目录下。例如：

   ln -s /path/to/AI-TOD $NWD/data/AI-TOD
   

3. 检查配置文件：确保配置文件中的数据集路径正确。例如，在configs/base/datasets/aitod_detection.py文件中检查路径配置。

3. 模型训练与评估问题

问题描述：新手在模型训练和评估过程中，可能会遇到训练中断、评估结果不理想等问题。

解决步骤：

1. 检查训练脚本：确保训练脚本中的参数配置正确。例如，检查学习率、批量大小等参数。
2. 监控训练过程：使用TensorBoard等工具监控训练过程，确保训练过程正常。
3. 评估模型：在训练完成后，使用评估脚本对模型进行评估。例如：

   python tools/test.py configs/your_config.py work_dirs/your_model/latest.pth --eval bbox
   

4. 调整超参数：如果评估结果不理想，可以尝试调整超参数，如学习率、正则化参数等，重新训练模型。

通过以上步骤，新手可以更好地理解和使用NWD项目，解决常见问题。

NWD Official code for "A Normalized Gaussian Wasserstein Distance for Tiny Object Detection" 项目地址: https://gitcode.com/gh_mirrors/nw/NWD