在自己的数据集上训练CrowdDet过程记录

最新推荐文章于 2024-09-05 02:24:42 发布
最新推荐文章于 2024-09-05 02:24:42 发布
阅读量1.4k 收藏 2
点赞数 2
分类专栏： 人工智能项目实战 文章标签： 深度学习 pytorch 视觉检测
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/mobuovo/article/details/123361371
版权
本文记录了如何在CrowdDet框架下训练CrowdHuman数据集的过程，包括数据集下载、配置修改以及自定义数据集训练的步骤。详细介绍了数据集的结构、配置文件的调整，特别是标注文件格式的转换和验证阶段的设置。
摘要由CSDN通过智能技术生成

论文链接：https://readpaper.com/pdf-annotate/note?noteId=656650387498369024&pdfId=542662939605901312

github链接：https://github.com/Purkialo/CrowdDet

一：在CrowdDet上训练CrowdHuman数据集：

      1.CrowdHuman数据集

        ①下载链接：CrowdHuman Dataset。

        ②数据集介绍：

        

        其中训练集分为3部分，名字分别为CrowdHuman_train01.zip,CrowdHuman_train01.zip,CrowdHuman_train01.zip,数量都是5k张；测试集为CrowdHuman_test.zip,数量为5k,验证集为CrowdHuman_val.zip，数量是4370张。odgt文件则是标签，里面有全身标注，行人可见部分标注以及head部分标注。

2.训练CrowdHuman数据集

     

最低0.47元/天 解锁文章
Mobu59
关注
专栏目录
【干货】mmdetection使用coco格式的CrowdHuman数据集进行训练及测试（附调参过程）
Activewaste
07-10 1万+
注：从mmdetection使用coco数据集在faster rcnn训练和测试，到了解crowdhuman数据集标注格式，再到crowdhuman的标注格式转换成coco数据集标注格式，现在就到了最终目的了：训练转换后的Crowd Human数据集。 以下是博主这一过程中整理的记录： 【干货】用mmdetection，在COCO数据集上跑通faster R-CNN（测试、训练） COCO数据...
yolov4_crowdhuman:关于为 CrowdHuman 数据集训练 DarkNet YOLOv4 模型的教程
05-29
YOLOv4 CrowdHuman 教程 这是一个演示如何使用和训练YOLOv4人检测器的。 目录 设置 如果您打算在上训练模型，您可以跳过本节并直接跳到上。 否则，要在本地运行训练，您需要有一台具有不错 GPU 的 x86_64 PC。 例如，我主要使用台式 PC 测试此存储库中的代码： NVIDIA GeForce RTX 2080 Ti Ubuntu 18.04.5 LTS (x86_64) CUDA 10.2 cuDNN 8.0.1 此外，您应该在本地 PC 上正确安装 OpenCV（包括 python3“cv2”模块），因为数据准备代码和“darknet”都需要它。 准备训练数据 对于在本地 PC 上的训练，我使用“608x608”yolov4 模型作为示例。 请注意，我在本教程中只使用了 python3（python2 可能不起作用）。 请按照以下步骤准备“ Cr
第121期 CrowdHuman密集行人数据集
最新发布
weixin_36472718的博客
09-05 112
引言 亲爱的读者们，您是否在寻找某个特定的数据集，用于研究或项目实践？欢迎您在评论区留言，或者通过公众号私信告诉我，您想要的数据集的类型主题。小编会竭尽全力为您寻找，并在找到后第一时间与您分享。 一、背景 在人工智能与计算机视觉领域，人群场景下的目标检测一直是一个具有挑战性的任务。特别是在人群密集、遮挡严重、背景复杂的场景...
CrowdDet
03-19
拥挤场景中的检测：一项建议，多种预测 这是pytorch实现我们的论文的“ ”， ，发表在CVPR 2020 我们的方法旨在在拥挤的场景中检测高度重叠的实例。 我们方法的关键是让每个提案预测一组可能高度重叠的实例，而不是以前的基于提案的框架中的单个实例。通过这种方案，预计附近提议的预测可以推断出相同的实例集，而不是区分个人，这很容易学习。配备了EMD损失和Set NMS等新技术，我们的探测器可以有效地处理探测高度重叠的物体的困难。 网络结构和结果如下所示： 引文 如果您在研究中使用该代码，请引用： @InProceedings{Chu_2020_CVPR, author = {Chu, Xuangeng and Zheng, Anlin and Zhang, Xiangyu and Sun, Jian}, title = {Detection in Crowded Scenes: On
CrowdDet论文复现踩坑
Eagle的博客
09-09 2657
训练 训练路径的修改 图片文件名错误 图片格式错误
深度学习人群计数dcc_crowdnet训练模型-迭代450000次
11-09
深度学习人群计数dcc_crowdnet训练caffe模型-迭代450000次，包含caffemodel和相关的prototxt文件
crowdcount-mcnn-master复现的预训练模型
03-22
crowdcount-mcnn-master复现的预训练模型,话说从dropbox下载文件还真是费劲.我的复现过程出现的问题汇总在https://blog.csdn.net/jiruijing123/article/details/88750427
《CrowdDetection：Detection in Crowded Scenes: One Proposal, Multiple Predictions》论文笔记
m_buddy的博客
11-02 1144
参考代码：CrowdDetection 1. 概述 导读：在一些密集场景下检测算法由于算法自身问题导致其对密集场景检测存在问题，整篇文章正是解决这样的场景下的检测问题。这篇文章主要的思想就是将原来单个框检测的方式修改为预测一个相互关联框的集合（instance set）（可以看作是一块区域目标的集合），并且针对这种改进提出了EMD Loss和Set NMS去监督与提取最后的结果。文章的方法使用FPN-Res50作为backbone在CrowdHuman数据集上获得了4.9%（without RM），在Ci
rcnn_emd_refine_mge/baseline.pth
12-07
旷世研究院在CVPR2020上发表的论文《Detection in Crowded Scenes: One Proposal, Multiple Predictions》，提出了一种非常简单而有效的基于提议的对象检测器，它是专门为**拥挤实例检测**而设计的。
基于嵌入和头钩的人体-人脸关节检测
另一方面，在拥挤的场景中，由于缺乏强相关性证据，关联变得困难甚至错误引导 。 本 文 提 出 了 一 种 新 的 人 体 - 人 脸 联 合 检 测 器（BFJ），用于检测人体和人脸的精确对应关系。我们遵循经典的多类检测器...
Detection in Crowded Scenes: One Proposal, Multiple Predictions.pptx
03-30
旷视科技提出的Detection in Crowded Scenes: One Proposal, Multiple Predictions，使用实例集预测实例2020cvpr
多目标跟踪DeepSort
01-06
先引入多目标跟踪DeepSort的论文地址及代码链接（Python版）： 论文地址：https://arxiv.org/pdf/1703.07402.pdf 代码链接：https://github.com/nwojke/deep_sort SORT是一种实用的多目标跟踪算法，然而由于现实中目标运动多变且遮挡频繁，该算法的身份转换（Identity switches)次数较高。DEEPSORT整合外观信息使得身份转换的数量减少了45%。DEEPSORT属于传统的单假设跟踪算法，采用递归卡尔曼滤波和逐帧数据关联。所提方案为： （1）使用马氏距离和深度特征余弦距离两种度量 （2） 采用级联匹配，有限
【密集人群检测】Detection in Crowded Scenes: One Proposal, Multiple Predictions例程实现
qq_40089175的博客
12-07 4301
【密集人群检测】CrowdDetection例程实现 1.简介 旷世研究院在CVPR2020上发表的论文《Detection in Crowded Scenes: One Proposal, Multiple Predictions》，提出了一种非常简单而有效的基于提议的对象检测器，它是专门为拥挤实例检测而设计的。 其源论文及开源代码参考实现，代码分为Pytorch版本和旷世天元（megengine）版本，此处仅介绍Pytorch版本（github上star数量高自有其道理，别问我是怎么知道的）。下面就介
CrowdDet: 实时人群检测与分析的高效框架
gitblog_00069的博客
04-19 412
CrowdDet: 实时人群检测与分析的高效框架 CrowdDet项目地址:https://gitcode.com/gh_mirrors/cr/CrowdDet 项目简介 是一个开源的人群检测和密度估计的深度学习框架，由Purkialo开发并维护。该项目旨在为研究人员和开发者提供一套强大而灵活的工具，以应对实时监控场景中复杂人群行为的识别和分析挑战。 技术分析 CrowdDet 基于先进的计算机...
复现CrowdDet踩坑记录
u014541802的博客
12-12 528
这属于mmdection的内容了，需要的自己可以去搜索学习一下。直接打印出配置文件，对相应的部分进行修改即可。数据集的组织也要按照这个格式。
CrowdHuman数据集
热门推荐
儒雅的小Z.的博客
12-21 1万+
CrowdHuman数据集是旷世发布的用于行人检测的数据集，图片数据大多来自于google搜索。 CrowdHuman 数据集数据量比较大，训练集15000张，测试集5000张，验证集4370张。训练集和验证集中共有 470K 个实例，约每张图片包含23个人，同时存在各种各样的遮挡。每个人类实例都用头部边界框、人类可见区域边界框和人体全身边界框注释。 数据集可以在 http://www.crowd...
CrowdHuman数据集介绍
myh12138的博客
06-11 8335
CrowdHuman数据集是旷世发布的用于行人检测的数据集，图片数据大多来自于google搜索。 CrowdHuman 数据集数据量比较大，训练集15000张，测试集5000张，验证集4370张。训练集和验证集中共有 470K 个实例，约每张图片包含23个人，同时存在各种各样的遮挡。每个人类实例都用头部边界框、人类可见区域边界框和人体全身边界框注释。 数据集可以在 http://www.crowdhuman.org/ 进行下载，其中测试数据集没有公开标注。 CrowdHuman测试 hbox：head b
人体检测、跟踪实例 | 附代码
Warmer_Sweeter
12-26 1106
人体检测和跟踪是一项基本的计算机视觉任务，涉及在给定场景中识别并跟踪个体的移动。这项技术在各种实际应用中发挥着关键作用，从监视和安全到自动驾驶车辆和人机交互都有涉及。人体检测的主要目标是在图像或视频帧中定位和分类人体，而跟踪侧重于在这些个体在不同帧之间移动时保持连续性，以便进行监测和分析。本教程分为三个部分，旨在指导您创建自己的人体检测和跟踪系统。它利用了YOLOv8检测算法和多种跟踪方法。检测模...
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
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