detectron2是怎么建立模型的？以SparseInst代码为例【结论版】

已于 2024-09-28 17:20:04 修改
阅读量149 收藏 3
点赞数 3
文章标签： java 开发语言
于 2024-09-28 16:44:56 首次发布
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_40397392/article/details/142615463
版权

 看SparseInst论文发现论文里有些地方没讲清楚；遂找SparseInst源码来看模型结构

我选择从推理代码来找模型结构：

经探索，在SparseInst代码里，推理需要执行代码

python demo.py --config-file configs/sparse_inst_r50_base.yaml --input datasets/coco/val2017/* --output image_results --opt MODEL.WEIGHTS sparse_inst_r50_base_ff9809.pth  INPUT.MIN_SIZE_TEST 512

查阅得知建立模型很可能在

 找到VisualizationDemo的实现：

发现关键代码在

self.predictor = DefaultPredictor(cfg)

 如此得到的self.predictor(image)可以直接接受图片，所以self.predictor就是模型网络部分。

搜索文本DefaultPredictor得知DefaultPredictor在detectron2.engine.defaults包下

 查询DefaultPredictor定义得知build_model(self.cfg)是实际用来创建模型的部分

 而build_model的定义在detectron2.modeling包下

 查找到build_model的定义如下

上方代码里的get方法会跳转到使用装饰器注册模块，这就是SparseInst的网络结构

继续向下运行，可以看到decoder的定义文件

即可查到最开始问题的答案

逻各斯
关注
detectron2是怎么建立模型的？以SparseInst代码为例【思路版第一部分】
qq_40397392的博客
09-27 417
看SparseInst论文发现论文里有些地方没讲清楚；遂找SparseInst源码来看模型结构。
注册器设计模式，以SparseInst（detectron2）代码为例
qq_40397392的博客
09-28 847
注册器类比较关键，需要实现了好几个功能，各种模块的内部函数_do_register负责具体注册的实现；外部函数register暴漏给编码人员，写代码的时候用将被注册的模块（类、函数、等）存在注册器类的字典中。所以一般__init__() 里会初始化一个字典使用函数get，获取已注册对象，传入类的名称，返回这个类的实际实现的引用创建build函数，实例化被注册的模块"""...Or:""""""Args:"""assert (".format(""""""return ret。
Detectron2入门代码教程——以Faster RCNN在自定义数据集上目标检测为例
小威的博客
07-18 2325
Detectron2是FacebookAIResearch的下一代库，提供最先进的检测和分割算法。它是Detectron和maskrcnn-benchmark的继承者。它支持Facebook中的许多计算机视觉研究项目和生产应用。简单来说，Detectron2是一个提供了简单的快速实现Facebook中的许多计算机视觉研究成果的框架。想要看看具体支持哪些成果可以看看他们的ModelZoo，以及github仓库。本文将以搭建完成目标检测Detection为例，数据集使用更加具有泛用性的自定义数据集。......
detectron2模型使用、读写、训练及测试
热门推荐
alex1801
06-28 1万+
1、使用模型 在detectron2模型（及其子模型）是由功能，如内置build_model，build_backbone，build_roi_heads： from detectron2.modeling import build_model model = build_model(cfg) # returns a torch.nn.Module build_model仅建立模型结构并用随机参数填充它。有关如何将现有检查点加载到模型以及如何使用model对象的信息，请参见下文。 1.1、加载/
Detectron2 代码解读 (1) 如何构造一个模型
weixin_42174674的博客
05-06 4307
读完官方文档之后对 Detectron2 已经有了基本了解。这个框架各个组件定义的非常完善，从创建模型到训练模型再到测试模型，每一步官方都提供了抽象，基本流程是这样的： 准备数据集 – 注册COCO格式数据集或者使用自定义结构数据集，注册 DatasetCatalog 和 MetadataCatalog，告诉模型如何提取你的数据。 数据集加载进入 Dataloader – 可以使用 build_detection_train_loader 和 build_detection_test_loader
detectron2是什么
weixin_42590539的博客
02-11 786
detectron2 是一个用于图像检测和分割的开源框架。它是由脸书研究实验室开发的，建立在 PyTorch 框架之上，旨在提供现代化的、快速的、灵活的工具，帮助研究人员和工程师构建和部署图像检测系统。detectron2 包含了许多已经在各种比赛和实际应用中得到验证的算法，并提供了丰富的文档、示例代码以及 API 参考文档。 ...
pytorch使用detectron2模型库模型训练自己的数据
qq_43218533的博客
03-04 5572
一 应用场景 在x86 （Ubuntu18.04）cpu，在pytorch1.10框架下，使用detectron2模型库模型训练自己的数据集，并进行目标检测推理。 二 环境配置 我的环境是： pytorch==1.10+cpu torchvision==0.11.2+cpu detectron2==0.6 opencv==4.5.5 1 基础环境配置 这里可使用conda，或者python3-venv创建虚拟环境，这里不做赘述，仅讲解基础环境搭建。 $ sudo apt-get i
Detectron2 使用模型
zhuguiqin1的专栏
03-09 716
从 Yacs Config 构建模型 从 yacs 配置对象，模型（及其子模型）可以通过 build_model、build_backbone、build_roi_heads 等函数构建： from detectron2.modeling import build_model model = build_model(cfg) # returns a torch.nn.Module build_model 只构建模型结构并用随机参数填充它。有关如何将现有checkpoint 加载到模型以及如何使用模型对象
detectron2包含哪些目标检测模型
weixin_42613360的博客
02-11 246
Detectron2 包含多种目标检测模型，如： Faster R-CNN Mask R-CNN RetinaNet FPN (Feature Pyramid Network) C5/C4 Feature Network 此外，还包含了 DensePose、Panoptic FPN 等预训练模型。 ...
detectron2官方代码
04-17
《Detectron2官方代码详解与应用指南》 Detectron2是一个强大的开源计算机视觉研究平台，由Facebook AI Research（FAIR）开发，它基于PyTorch框架，提供了多种现代视觉任务的实现，包括对象检测、语义分割等。本文...
detectron2.zip
07-30
10. **配置与测试**: 安装完成后，可以运行Detectron2的示例代码来验证安装是否成功。例如，你可以尝试加载预训练模型并运行对象检测。 总的来说，"detectron2.zip"这个压缩包是为了简化Detectron2的安装过程，包含...
DETR.detectron2:基于detectron2的DETR实现
04-13
DETR.detectron2已被弃用。 请查看我们基于新实现，该实现更加用户友好。 指示 从安装cvpods cd detr.res50.c5.coco.multiscale.150e.bs16 pods_train --num-gpus 8 结果 配置 可可AP 纸 检查站 detr.res50.c5....
Spring Boot 学习和使用
cesske的博客
09-24 1210
Spring Boot是一款开源的Java Web应用框架，旨在简化Spring应用的初始搭建以及开发过程。Spring Boot通过整合Spring技术栈中的诸多关键组件，为开发者提供了一种快速、简便的Spring应用开发方式。它遵循“约定优于配置”的原则，通过自动配置、起步依赖和内置的Servlet容器，极大地简化了传统Spring应用的配置和部署过程。Spring Boot通过其自动化配置、起步依赖、内嵌服务器等特性，极大地简化了Spring应用的开发和部署过程。
工厂模式的介绍及实现
户伟伟的博客
09-25 142
工厂模式（Factory Pattern）是一种创建型设计模式，提供了一种创建对象的接口，而无需显式指定对象的具体类。在这种模式中，我们通过定义一个工厂类，专门负责生产各种类型的对象，这样我们可以避免直接在代码中实例化具体类，使代码更具扩展性、灵活性和维护性。解耦：客户端代码与具体的类解耦，避免了对象创建逻辑的重复。简化对象创建：通过工厂统一管理对象的创建逻辑，使代码更清晰易懂。扩展性强：新增类时，只需在工厂中增加创建逻辑，而不必修改现有的业务代码。
基于JavaWeb开发的Java+SpringMvc+vue+element实现驾校管理系统详细设计
央顺科技官方博客
09-24 1015
机遇与挑战始终并存。在开放的互联网平台面前，驾校预约管理系统的信息管理面临着巨大的挑战。传统的管理模式局限于简单数据的管理，无法适应不断变化的市场格局。在早期阶段，在将计算机技术和网络技术融入驾校预约管理系统数据管理方法之前，所有管理方式都通过人工操作完成了管理信息的。系统管理也都将通过计算机进行整体智能化操作，对于驾校预约管理系统所牵扯的管理及数据保存都是非常多的，举例像所有详细信息包括，管理员；首页、个人中心、学员管理、驾校教练管理、驾校车辆管理、预约管理、取消预约管理、驾校公告管理、系统管理。
Java Alibaba Druid 数据库连接池
miracle的专栏
09-24 789
在Java开发中，数据库连接池是性能优化的重要一环。而作为一款强大的数据库连接池解决方案，凭借其和对多种数据库的支持，成为了许多企业级应用的首选。本篇文章将介绍Druid的核心特性，并结合不同数据库的实际用法。
JPA+Thymeleaf增删改查
y050505的博客
09-25 492
在使用JPA（Java Persistence API）和Thymeleaf作为模板引擎进行Web开发时，实现增删改查（CRUD）操作是一个常见的需求。下面，我将简要介绍如何使用Spring Boot框架结合JPA和Thymeleaf来实现这一功能。
进程管理工具：非daemon进程管理工具supervisor
最新发布
happy_king_zi的博客
09-29 999
supervisor是一个 Client/Server模式的系统，允许用户在类unix操作系统上监视和控制多个进程，或者可以说是多个程序。supervisor与launchd，daemontools，runit等程序有着相同的功能，与其中某些程序不同的是，它并不作为“id 为 1的进程”而替代init。相反，它用于控制应用程序，像启动其它程序一样，通俗理解就是，把Supervisor服务管理的进程程序，它们作为supervisor的子进程来运行，而supervisor是父进程。
detectron2是什么？windows10下如何安装？
06-07
Detectron2是一个开源的目标检测和图像分割库，它由Facebook AI Research开发，使用PyTorch实现。它支持多种最先进的检测和分割算法，包括Faster R-CNN，Mask R-CNN和Panoptic FPN等。Detectron2还提供了训练和评估模型的工具。 在Windows10下安装Detectron2可以按照以下步骤进行： 1. 安装Anaconda：在官网上下载并安装Anaconda，选择Python 3.x版本。 2. 创建虚拟环境：打开Anaconda Prompt，输入以下命令创建虚拟环境。 ``` conda create -n detectron2 python=3.8 ``` 3. 激活虚拟环境：输入以下命令激活虚拟环境。 ``` conda activate detectron2 ``` 4. 安装PyTorch：输入以下命令安装PyTorch。 ``` conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c nvidia ``` 5. 安装Detectron2：输入以下命令安装Detectron2。 ``` pip install detectron2 -f https://dl.fbaipublicfiles.com/detectron2/wheels/cu111/torch1.9/index.html ``` 6. 安装其他依赖：输入以下命令安装其他依赖。 ``` pip install opencv-python matplotlib ``` 安装完成后，可以使用Detectron2进行目标检测和图像分割等任务。
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