Mask DINO环境配置

最新推荐文章于 2024-08-22 08:14:13 发布
最新推荐文章于 2024-08-22 08:14:13 发布
阅读量688 收藏 2
点赞数 2
文章标签： 深度学习 人工智能 python maskdino
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/qq_18236971/article/details/132223296
版权
本文详细介绍了如何在CUDA11.3环境中配置PyTorch1.10.1、torchvision、torchaudio，以及如何安装和使用Detectron2和MaskDINO库进行实例分割的步骤，包括代码示例和测试过程。
摘要由CSDN通过智能技术生成

1. 准备工作

cuda11.3
cudnncuda11对应最新版即可
pytorch1.10.1
torchvision0.11.2
torchaudio0.10.1

2. 环境

conda create -n env_name python=3.9
conda activate env_name
conda install pytorch==1.10.1 torchvision==0.11.2 torchaudio==0.10.1 cudatoolkit=11.3 -c pytorch -c conda-forge

#安装detectron2
git clone https://github.com/facebookresearch/detectron2.git
python -m pip install -e detectron2


#克隆maskdino库
git clone https://github.com/IDEA-Research/MaskDINO.git
cd ./MaskDINO
pip install -r requirement.txt
cd maskdino/modeling/pixel_decoder/ops
python setup.py build install

 3.运行demo

将图片和模型分别放在imgs和weights中,进行测试

python .\demo\demo.py --config-file .\configs\coco\instance-segmentation\maskdino_R50_bs16_50ep_3s.yaml --input .\img\1.jpg --output .\img\2.jpg --opts MODEL.WEIGHTS .\weights\maskdino_r50_50ep_300q_hid1024_3sd1_instance_maskenhanced_mask46.1ap_box51.5ap.pth

OK,顺利结束

DennisJcy
关注
手把手写深度学习(24)：用SAM通过文本提示分割mask图片
沉迷单车的追风少年
03-26 1205
在生成任务中，通过对mask区域进行生成可以有更好的可控性，是AIGCer必备的技能之一。这篇博客手把手带读者基于SAM完成一个通过文本提示词的分割图片，打上mask，方便后续用diffusion models重建。
【YOLOv8改进 - 检测头】 RT-DETR检测头，解决传统目标检测器中非极大值抑制（NMS）所带来的速度和准确性之间的平衡问题
专注于图像领域，主要研究内容包括计算机视觉和深度学习，特别是在图像分类、目标检测和图像生成等方面有深入的研究和实践经验。
07-02 514
YOLO 系列因其在速度和准确性之间的合理平衡，已成为实时目标检测中最受欢迎的框架。然而，我们观察到 YOLO 的速度和准确性受到非极大值抑制（NMS）的负面影响。最近，基于 Transformer 的端到端检测器（DETRs）提供了一种替代方案来消除 NMS。然而，高计算成本限制了它们的实用性，并阻碍了它们充分利用不使用 NMS 的优势。在本文中，我们提出了实时检测 Transformer（RT-DETR），据我们所知，这是第一个解决上述困境的实时端到端目标检测器。
MaskDINO 项目使用教程
gitblog_00287的博客
08-10 289
MaskDINO 项目使用教程 MaskDINO[CVPR 2023] Official implementation of the paper "Mask DINO: Towards A Unified Transformer-based Framework for Object Detection and Segmentation"项目地址:https://gitcode.com/gh_mi...
统一检测和分割任务！港科大&清华&IDEA提出基于Transformer统一目标检测与分割框架Mask DINO，效果SOTA！...
我爱计算机视觉
07-07 2476
关注公众号，发现CV技术之美本篇分享论文『Mask DINO: Towards A Unified Transformer-based Framework for Object Detection and Segmentation』，统一了检测和分割任务！港科大&清华&IDEA提出基于Transformer的统一目标检测与分割框架Mask DINO，效果S...
MaskDINO安装与使用指南
最新发布
gitblog_00432的博客
08-22 455
MaskDINO安装与使用指南 MaskDINO项目地址:https://gitcode.com/gh_mirrors/mas/MaskDINO 项目介绍 MaskDINO 是一个基于 PyTorch 的开源项目，旨在提供一种高效且强大的对象检测与实例分割解决方案。该项目利用了最新的深度学习技术，特别是无监督预训练方法，实现了在各种视觉任务中的高精度性能。MaskDINO的核心亮点在于其简化了实...
MaskDINO环境搭建与模型测试
qq_41627642的博客
11-29 671
使用上面的命令而不使用eval-only将训练模型。例如，为了重现我们的实例分割结果，您可以从表中复制配置路径，将预训练的检查点下载到/path/to/checkpoint_file中，然后运行。要在视频上运行, replace --input files with --video-input video.mp4.要在网络摄像头上运行, replace --input files with --webcam.要将输出保存到目录（对于图像）或文件（对于网络摄像头或视频）, use --output.
论文阅读——Mask DINO（cvpr2023）
weixin_43575791的博客
12-16 1375
传统的检测+分割中，检测头和分割头是平行的，Mask DINO使用二分图匹配bipartite matching提高匹配结果的准确性。box对大的类别不计算损失，因为太大了，会带坏模型。模型一样预测，但是损失取其他类别的平均数。DINO是检测，Mask DINO是检测+分割。
《Mask DINO: Towards A Unified Transformer-based Framework for Object Detection and Segmentation》论文解读
qq_46981910的博客
05-13 1864
摘要摘要本文提出Mask DINO，一个统一的目标检测和分割框架。Mask DINO通过添加掩码预测分支来扩展DINO(具有改进的去噪锚框的DETR)，该分支支持所有图像分割任务(实例、全景和语义)。它利用迪诺的查询嵌入对高分辨率像素嵌入图进行点积，以预测一组二进制掩码。DINO中的一些关键组件通过共享架构和训练过程进行了扩展以进行分割。Mask DINO简单、高效、可扩展，可以从联合的大规模检测和分割数据集中受益。
win11配置Mask DINO小白踩坑记录
Ella的博客
03-06 1385
前情提要：需要复现Mask DINO，但是实验室没有Linux的电脑，在Windows上复现的时候遇到了，然后看博客说在Windows上配置很麻烦，建议去Linux，但是虚拟机没办法用GPU，想到了三个方法：1、用WSL2来运行；2、在Windows上解决这个困难；3、装双系统。我首先试了方法1，碰到了一开始的问题，而且也比较麻烦，所以干脆进行了2，网上一些方法写的比较简略，但是我实际运行过程中碰到了很多问题，所以记录一下。
grounding_dino_mmcv目标检测算法模型
qq_27815483的博客
07-18 1107
Grounding DINO是一个将基于Transformer的DINO检测器与预训练相结合的开放集目标检测器。
【YOLOv8改进-SPPF】 Focal Modulation :使用焦点调制模块替代SPPF
专注于图像领域，主要研究内容包括计算机视觉和深度学习，特别是在图像分类、目标检测和图像生成等方面有深入的研究和实践经验。
07-16 972
我们提出了焦点调制网络（简称FocalNets），在其中完全用焦点调制模块替代了自注意力（SA），用于建模视觉中的标记交互。焦点调制由三个组件组成：（i）焦点上下文化，通过一系列深度卷积层实现，从短距离到长距离编码视觉上下文，（ii）门控聚合，选择性地将上下文聚合到每个查询标记的调制器中，以及（iii）逐元素仿射变换，将调制器注入查询标记。
【YOLOv8改进 - 注意力机制】ContextAggregation : 上下文聚合模块，捕捉局部和全局上下文，增强特征表示
专注于图像领域，主要研究内容包括计算机视觉和深度学习，特别是在图像分类、目标检测和图像生成等方面有深入的研究和实践经验。
07-24 229
卷积神经网络（CNNs）在计算机视觉中无处不在，具有众多高效的变体。最近，最初在自然语言处理（NLP）中引入的Transformers越来越多地被应用于计算机视觉领域。尽管早期采用者继续使用CNN骨干网络，但最新的网络是端到端的、无CNN的Transformer解决方案。一个最近令人惊讶的发现表明，基于简单多层感知机（MLP）的解决方案，即使没有传统的卷积或Transformer组件，也能生成有效的视觉表示。
探索未来AI的潜力：MaskDINO深度学习框架
gitblog_00028的博客
04-25 405
探索未来AI的潜力：MaskDINO深度学习框架 MaskDINO[CVPR 2023] Official implementation of the paper "Mask DINO: Towards A Unified Transformer-based Framework for Object Detection and Segmentation"项目地址:https://gitcode....
win10系统配置Mask DINO经验总结
白夜繁华尽的博客
07-11 842
win10系统配置Mask DINO的经验总结
探索MaskDINO：新一代AI图像处理神器
gitblog_00095的博客
04-10 419
探索MaskDINO：新一代AI图像处理神器 MaskDINO项目地址:https://gitcode.com/gh_mirrors/mas/MaskDINO 在这个数字化的时代，图像处理和计算机视觉已经成为了科技发展的重要推动力。今天，我们要向大家介绍一个令人瞩目的开源项目——，它是一个基于深度学习的实时实例分割框架，旨在为开发者和研究者提供强大而高效的工具。 项目简介 MaskDINO是由I...
探索Mask DINO：统一Transformer框架下的对象检测与分割
gitblog_00291的博客
08-12 299
探索Mask DINO：统一Transformer框架下的对象检测与分割 MaskDINO[CVPR 2023] Official implementation of the paper "Mask DINO: Towards A Unified Transformer-based Framework for Object Detection and Segmentation"项目地址:http...
【深度学习】Mask DINO四部曲—DETR潘多拉魔盒的正确打开方式
fengdu78的博客
07-18 2697
看本文之前，可以先看一下之前的文章：计算机视觉"新"范式: Transformer检测框架的本质：从检测框编码的输入角度考虑，有密集到稀疏，密集和稀疏三种框架。Mask R-CNN属于先通过密集预测得到稀疏的采样，然后进行稀疏预测的检测框架；RetinaNet(FCOS、CenterNet)等都属于直接密集预测得到结果的检测框架。在DETR工作之前，几乎所有的检测算法都可...
DINO目标检测代码
07-03
DINO（Detr with no labels）是一个基于Transformer架构的目标检测模型，由Facebook Research团队开发。这个模型主要是在无监督学习的环境下训练的，也就是说，它不需要像传统的监督学习目标检测方法那样依赖大量的标注数据。DINO的核心思想是将对象检测任务转化为文本生成问题，通过自注意力机制和预训练的视觉编码器（如ViT或DeiT）来进行特征学习。 DINO代码通常包含以下几个关键部分： 1. **模型结构**：包括视觉编码器和解码器模块，其中编码器负责提取图像特征，而解码器则模仿条件语言模型生成目标描述。 2. **无监督学习**：使用相似度匹配或者预测未来帧的方式进行预训练，而不是传统的分类或边界框回归损失。 3. **监督学习迁移**：预训练好的DINO可以通过少量标签数据进行微调，提升其在有监督目标检测任务上的性能。
评论 1
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