M2Det 尝试

最新推荐文章于 2020-10-20 21:30:53 发布
最新推荐文章于 2020-10-20 21:30:53 发布
阅读量1.8k 收藏 9
点赞数
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/p1048052071/article/details/90701713
版权
本文档记录了使用 M2Det 模型进行目标检测的实践过程，包括创建环境、运行Demo时遇到的问题及解决方法，以及在训练自定义样本时的挑战。在创建环境阶段，面临了模块下载困难和环境配置问题；在Demo运行过程中，遇到了各种依赖缺失和权重文件匹配错误，最终通过安装所需模块和调整权重文件名称得以解决。
摘要由CSDN通过智能技术生成

arXiv: https://arxiv.org/abs/1811.04533

github: https://github.com/qijiezhao/M2Det

作者团队：北京大学和阿里巴巴

注：AAAI 2019

一、创建环境

conda create -n M2Det python=3.7

命名一个环境M2Det，python版本3.7

conda activate M2Det

启动环境

conda install pytorch==0.4.1 torchvision -c pytorch
pip install opencv-python tqdm

安装需要的模块（国内的镜像貌似都不能用了，求ubuntu科学上网的方法，下载真是要人命）

pytorch模块一直下载不下来，用为windows上网下载下来包，然后拷贝过来安装

安装包忽然不能重命名，要不然报错

conda install 安装包名称
git clone https://github.com/qijiezhao/M2Det.git

下载项目并打开

sh make.sh

make一下

二、Demo

（本

最低0.47元/天 解锁文章
苏七块
关注
  • 0
    点赞
  • 踩
  • 9
    收藏
    觉得还不错? 一键收藏
  • 11
    评论
M2Det-一种使用新的特征金字塔方式的单阶段目标检测器（论文笔记）
奔跑的小仙女
06-21 2089
摘要 特征金字塔被最先进的一阶段目标检测器(如DSSD、RetinaNet、RefineDet)和两阶段目标检测器(如Mask RCNN、DetNet)广泛利用，以缓解跨目标实例的尺度变化所带来的问题。虽然这些带有特征金字塔的目标检测器取得了不错的结果，但由于它们只是简单地根据原本用于对象分类任务的骨干网固有的多尺度金字塔结构构造特征金字塔，因此存在一定的局限性。因此，坐着提出了多级特征金字塔网络...
M2Det-手把手教物体检测.rar
05-16
手把手教物体检测M2Det源码，包含数据和所需的权重文件。手把手教物体检测M2Det源码，包含数据和所需的权重文件。
【解决】torch.jit.frontend.NotSupportedError: slicing multiple dimensions at the same..
丑小鸭
12-08 4341
Error 信息如下： raise NotSupportedError(base.range(), “slicing multiple dimensions at the same time isn’t supported yet”) torch.jit.frontend.NotSupportedError: slicing multiple dimensions at the same time...
目标检测论文M2Det: A Single-Shot Object Detector based on Multi-Level Feature Pyramid Network解读
weixin_44629973的博客
03-28 443
这篇2019AAAI论文主要提出了一种新的特征金字塔网络：MLFPN，基于新的特征网络，在COCO数据集上取得了优异结果。本文将以检测一张照片的流程进行解读，另附部分代码 代码详细地址：M2Det M2Det为什么要提出这种新的特征金字塔架构BackBone NetworkMLFPNTUMFFMFFAMDetection stage总结： 为什么要提出这种新的特征金字塔架构 我们知道，一个目标检测...
one-stage 目标检测——M2Det源码运行测试
c20081052的专栏
03-27 4329
github地址：https://github.com/qijiezhao/M2Det Preparation the supported version is pytorch-0.4.1 Prepare python environment using Anaconda3. Install deeplearning framework, i.e., pytorch, torchvisio...
M2Det 论文思维导图
04-08
该资源给出了论文 M2Det: A Single-Shot Object Detector based on Multi-Level Feature Pyramid Network整体的思维导图情况，可以更方便的加深对论文的理解与应用，所使用的软件是 MindMaster
M2Det-master.zip_M2Det_farjzi_m2det 深度学习_m2det深度学习_特征提取
09-23
《M2Det：深度学习与特征提取在对象检测中的应用》 M2Det，全称为Multi-scale Deformable Attention Network，是由Farjzi等人提出的一种深度学习模型，专门用于对象检测任务。M2Det的核心在于其多尺度可变形注意力...
M2Det 论文笔记
01-06
前言 解决目标检测任务中目标实例的尺度变化问题一般有两种方法： 图像金字塔（image pyramid），即对输入图像进行一系列的缩放，只在测试时被使用。这种方法会占用大量内存并且计算很复杂； 特征金字塔（feature ...
M2det-Keras.zip
04-06
《M2det-Keras：基于Keras的实例分割模型详解》 在计算机视觉领域，实例分割是一种关键的技术，它能够区分图像中相同类别但不同对象的像素，为自动驾驶、医疗影像分析、图像编辑等应用提供了强大的支持。M2det-...
调试M2det算法train自己的数据（VOC2007）
dcxhun3的博客
07-02 3376
1.数据格式指定VOC /M2Det/train.py:20 parser.add_argument('-d', '--dataset', default='VOC', help='VOC or COCO dataset') 2. 删掉VOC2012 /M2Det/configs/m2det512_vgg.py:62 dataset = dict( VOC = ...
M2det问题：win10运行错误总结
callmeCassie的博客
02-23 2722
1.解决make.sh文件问题 因为win10没有sudo 2.了解build.py文件代码
conver_pytorch_nc
weixin_38378417的博客
04-26 333
""" Copyright (c) 2017-present, starime. All rights reserved. This source code is licensed under the BSD-style license found in the LICENSE file in the root directory of this source tree. An additio...
pytorch安装
JavaBigData的博客
10-20 167
python3.6 pip3 install torchvision==0.2.0 MNIST手写数字0-9训练集下载 链接：https://pan.baidu.com/s/1kUiARaVTdFNAfJoS5xx6pw 提取码：xttr 错误 raise NotSupportedError(base.range(), "slicing multiple dimensions at the sa 借用一下其他大佬的测试代码 import torch import torch.nn as nn impor
Windows实现M2Det遇到的错误
qq_40041133的博客
06-01 1964
好不容易下载个Git成功运行 sh make.sh，结果又来个MSVCCompiler object has no attribute ‘compiler’，研究了半天发现是因为源代码由Ubuntu环境下的compiler编译，但在Windows对应的是MSVCCompiler，并不支持！如图所言： 想哭…果然Windows跑个算法还是太强求了…但我还是秉承着不放弃的心态！找了个解决办法… 据说有gcc就能运行，so…我去下载了个MinGW，在Windows下安装gcc…直接点击文字吧…这是我看了那么多文
手把手教物体检测——M2Det
AI浩
05-16 4821
物体检测模型M2Det，是北京大学&阿里达摩院提出的Single-shot目标检测新模型，使用multi-level特征。在MS-COCO benchmark上，M2Det的单尺度版本和多尺度版本AP分别达到41.0和44.2。 该模型的特点： 提出多级特征金字塔网络MLFPN。MLFPN的结构如下： 基于提出的MLFPN，结合SSD，提出一种新的Single-shot目标检测模型M2Det
论文学习笔记-M2Det
热门推荐
Custom自定义
02-16 1万+
『写在前面』 Single-shot目标检测新模型，使用multi-level特征。 作者机构：Qijie Zhao等，北京大学&阿里达摩院 文章标题：《M2Det: A Single-Shot Object Detector based on Multi-Level Feature Pyramid》 原文链接：https://arxiv.org/abs/1811.04533 ...
M2Det的学习过程
荣荣闲不住的博客
05-30 1714
不全，待补充 主要框架： 分析解释这个框图： M2Det主要是有三部分组成，主干网络、MLFPN(muli-level 的FPN、以及预测层。 其中主干网络是用两个尺度进行特征提取。将这两个尺度的特征合并输入到MLFPN中 MLFPN则由三部分组成，FFM、TUM、SFAM。 FFM FFMv1是对主干网中提取出来的内容进行合并，得到base feature。 FFMv2是用来...
M2Det算法详解
stu_shanghui的博客
06-22 3961
主要贡献：提出MLFPN结构， backbone采用了VGG-16 为解决目标实例的尺度变化问题，主流做法有以下两种： 在测试阶段使用图像金字塔（如cascade RCNN），就是将原始图像缩放成一系列的图形，就像金字塔一样（数据量增大很多，计算开销很大） 从输入图像中提取出的特征金字塔上进行检测，这种方式在训练和测试阶段都可以使用 总结：使用多尺度的图像来提高识别...
autosar deT
最新发布
09-02
AUTOSAR DET (Development Error Tracer)是一个在AUTOSAR架构下使用的错误检测、追踪和管理模块。它被广泛应用于几乎所有模块，包括基本软件模块（BSW）和软件组件（SWC）。DET模块可以用于错误断言和其他功能，它的功能比断言更加强大。通过使用DET模块，可以及时检测并追踪软件开发过程中的错误，并提供相应的错误处理机制。 关于AUTOSAR DET模块的更多详细信息，您可以参考AUTOSAR_SWS_DefaultErrorTracer.pdf和AUTOSAR_SWS_DevelopmentErrorTracer.pdf这两个参考文档。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [Autosar—诊断基础](https://blog.csdn.net/weixin_64064747/article/details/128050564)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* *3* [AUTOSAR DET模块解析](https://blog.csdn.net/jsls135/article/details/91992637)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 11
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