代码阅读
文章平均质量分 77
代码阅读
Lukas88664
这个作者很懒,什么都没留下…
展开
-
【代码阅读】mmdetection3d运行配置
模型配置我打算放到抠某一个模型的代码的时候去讲,先讲一下运行时的一些优化器等的配置:mmdetection支持pytorch已经实现的一些优化器 adam和sgd等,我们可以在配置文件中这么定义:optimizer = dict(type=‘Adam’, lr=0.0003, weight_decay=0.0001)也可以自己去定义新的优化器,这个操作在mmdet3d/core/optimizer目录中,新建一个mmdet3d/core/optimizer/my_optimizer.py:fro原创 2022-05-05 10:34:00 · 1679 阅读 · 0 评论 -
【代码阅读】mmdetection3d的数据预处理
数据预处理流程和数据集之间是互相分离的两个部分,通常数据集定义了如何处理标注信息,而数据预处理流程定义了准备数据项字典的所有步骤。数据集预处理流程包含一系列的操作,每个操作将一个字典作为输入,并输出应用于下一个转换的一个新的字典。蓝色框表示预处理流程中的各项操作。随着预处理的进行,每一个操作都会添加新的键值(图中标记为绿色)到输出字典中,或者更新当前存在的键值(图中标记为橙色)。以之前的pointpillar模型的数据预处理流程为例:train_pipeline = [ dict(原创 2022-05-05 09:53:11 · 1207 阅读 · 0 评论 -
【代码阅读】mmdetection3d的配置文件
mmdetection3d的配置文件放置在config/base下面,下面有4种类型组件:数据集(dataset),模型(model),训练策略 (schedule) 和运行时的默认设置 (default runtime)。由 base 下的组件组成的配置,被我们称为 原始配置 (primitive)。我们以kitti为例,对于数据集的一些基本信息存储在_base_/datasets下面。这里主要定义了数据集的位置/名称/类别/点云范围,把他们打包好,送进pipeline中 pipeline分别是tra原创 2022-05-04 21:43:50 · 1347 阅读 · 0 评论 -
【代码阅读】mmdetection3d框架
最近在看mmdetection框架的源代码,许多的文章的源码都是基于这个框架写的。很有借鉴意义,所以我便在仔细看看,记录一下自己看的时候不太懂的问题及一些解决的办法。安装这个没啥好说的,就按get_started文档来操作就好,只是在跑demo.py的时候我遇到了一个问题:import CV2与ros冲突了,解决办法网络上很多,直接在demo.py加一句话移除到python2.6即可。数据集准备对于kitti数据集而言,我们主要要将数据集整理成如下的格式,方便代码调用及运行操作:mmdetect原创 2022-05-04 15:14:51 · 2252 阅读 · 0 评论 -
【代码阅读】【3d目标检测】pv-rcnn代码阅读(一)数据准备
最近在看pvrcnn的源码,加深一下对论文的理解。源码的理解多亏了这位大佬的注释,感谢一下!首先我们看到train.py函数,在训练之前要对于数据进行一个预处理: train_set, train_loader, train_sampler = build_dataloader( dataset_cfg=cfg.DATA_CONFIG, class_names=cfg.CLASS_NAMES, batch_size=args.batch_size,原创 2022-04-14 15:56:50 · 870 阅读 · 0 评论 -
【代码阅读】【2d classification】mobilenet
最近看了一些classification网络的源代码,一些比较有亮点的思想的源代码阅读了一下,把他们总结在这个分类里面。这篇blog写一下关于mobilenet。对于一些移动设备,参数较少的net需要被构建起来。这时候我们的mobilenet 一个精简性能又还过得去的net应运而生。作者在文章中对于mobilenet和一些常用的cnn进行了一系列对比,感兴趣的可以自己去查看,这里就不做赘叙。我们来看一下mobilenet v2和 v3。Mobilenet V2在我看来mobilenet相比于之前原创 2021-12-02 18:10:48 · 398 阅读 · 0 评论 -
【代码阅读】【算法】K-means聚类算法及利用K-means聚类生成anchor boxes
在yolov2及之后的版本中作者都用anchor boxes 取代了中心点的方法,那么如何用K-means聚类算法得到anchor boxes呢?这边给出方法及代码:传统kmeans聚类算法kmeans算法算是一个比较经典的算法,主要是通过选取k个聚类中心,利用求各点距离的方法来进行聚类,迭代更新聚类中心。算法步骤:1.初始化K个簇中心;2.使用相似性度量(一般是欧氏距离),将每个样本分配给与其距离最近的簇中心;3.计算每个簇中所有样本的均值,更新簇中心;4.重复2、3步,直到均簇中心不再原创 2021-11-19 15:05:12 · 1066 阅读 · 0 评论