以下文字仅是一个入门小白的课堂笔记分享,如有不妥之处,恳请各位朋友指出!
本次实战课教程以三角板关键点检测数据集为例,分别从相关算法库的安装、MMDetection三角板目标检测和MMPose关键点检测三部分着手讲解,对应的MMPose作业是基于RTMPose的耳朵穴位关键点检测,任务包括在已标注好的耳朵穴位数据集上使用MMDetection算法库训练RTMDet耳朵目标检测算法,提交测试集评估指标;使用MMPose算法库,训练RTMPose耳朵关键点检测算法,提交测试集评估指标;用自己的耳朵进行图像预测和视频预测,并提交测试集评估指标。
在github上主讲人子豪兄准备了细致的教程,但由于数据集不同,盲目的模仿操作并不能是我们直接完成作业,更多地要求我们尽量理解每一步骤代码的作用原理,将过程内化为自己的思路,再灵活地运用在其它数据集或自己标注的数据集上。这种知识迁移模式是这次实战营的一个亮点,于我也是一个挑战。
下面我用自己的话来概况一下过程吧。因为本次采用自上向下方法,关键点预测是在目标检测任务上实现的,就是说,对一张图片第一步先要目标检测,将主体用锚框框出来,第二步再在锚框上进行关键点预测,所以很多同样的步骤要分别在MMDetection和MMPose上操作两次。
首先是配置环境,我的云GPU环境是GPU RTX 3060、CUDA v11.2,安装Pytorch==1.10.0,通过pip安装openmim,再通过mim命令分别安装mmengine、mmcv和mmdet,但这里要特别注意,安装mmdet时经常会报错版本问题(我在AutoDL上操作的,不知道其它平台会不会这样),除此之外还需安