HIT_Vanni的博客

介绍损失函数的初始化部分_get_losses()函数及loss计算入口函数为run_epoch()中的model_with_loss()函数中的forward()函数

run_epoch作用：CenterFusion 项目训练一轮epoch过程。文件位置：CenterFusion/src/lib/trainer.py。

文件作用：模型的创建、导入、保存。

文件作用：train.sh 脚本中参数的处理。

CenterFusion 网络架构首先利用全卷积骨干网提取目标物体中心点的图像特征，再回归到物体的其它属性，如三维位置、方向和尺寸，并获得初步的 3D Box截锥关联模块将雷达检测结果与对应目标中心点关联（雷达检测结果映射到图像平面）并生成雷达特征然后将图像和雷达特征连接起来， 再二次回归到目标属性，如深度、旋转以及速度等三维属性来细化初步的 3D Box该网络架构主要可以分为两个部分分析，一个是上面一行的图像目标检测，另一个是下面一行的雷达点云数据处理。

文件作用：CenterFusion 项目验证的执行过程。

【CenterFusion】测试脚本CenterFusion/experiments/test.sh。

文件作用：CenterFusion 项目训练的执行过程。

【CenterFusion】训练脚本CenterFusion/experiments/train.sh。

文件作用：将 nuScenes 数据转化为 COCO 格式

损失函数类GenericLoss()的定义在CenterFusion/src/lib/trainer.py23行，其中调用了Module父类的构造函数，位置在anaconda3/envs/pytorch17/lib/python3.7/site-packages/torch/nn/modules/module.py的223行。

CenterFusion的数据处理函数__getitem__()在/Centerfusion/src/lib/dataset/datasets/generic_dataset.py下的GenericDataset类中在经过convert_nuScenes.py后会生成nuScence_COCO格式的json文件，分别为train.json, val.json, mini_train.json, mini_val.json, test.json这五个文件

coco标注文件的格式为.json文件，且所有图片的标注信息在一个.json文件里，该json文件由字典组成，该字典有五个key，其中coco的坐标信息为(xmin,ymin,w,h)，(xmin,ymin)表示标注框的左上角坐标，这四个值都是绝对值，下面将描述每个key对应value

本文主要阐明centerfusion所使用的数据集格式，该格式是coco格式的一种变体，对比标准coco格式缺少了"info"和"licenses"，增加了"videos"和"attributes"，key的基本信息如下：CenterFusion数据格式详解train.json存放着所有训练集的标注数据，并且该文件只有一行，训练集和测试集数据格式相同，下面以训练集数据详细解读每一个key对应的value的详细内容

本项目搭建环境如下：ubuntu20.04（非必须）nvidia驱动版本515.65.01（非必须）python3.7（必须）CUDA11.0（必须）cuDNN8.0（必须）pytorch1.7.1（必须）

CenterFusion算法环境配置与demo运行1.论文简介2.环境配置1.论文简介论文链接：https://arxiv.org/pdf/2011.04841v1.pdf项目链接：https://github.com/mrnabati/CenterFusion该文作者信息：作者来自田纳西大学诺克斯维尔分校。激光雷达使用发射的激光测距进行环境感知，而雷达使用无线电发射进行探测。3D目标检测在自动驾驶领域应用广泛，而激光雷达（Lidar）和摄像头数据的融合常用来进行高精度的3D目标检测，但其仍