mmdet-rfla调试经验

已于 2022-09-12 15:08:45 修改
阅读量2.4k 收藏 26
点赞数 15
分类专栏： mm系列 文章标签： python pytorch 深度学习
于 2022-09-12 11:50:38 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/sinat_38213499/article/details/126813894
版权

mmdet-rfla调试经验


这篇文章是属于今年TOD领域的文章，比较惊喜的是它提出了基于Gaussian prior分布差异的度量距离，虽然玩的都是KD。不过还是值得将这份代码看看你是否能拓展在其他领域中。比如我现在就拿这个来尝试跑通缺陷检测

环境配置

这份代码是基于mmdetection框架进行魔改。所以配置方式和mmdetection是一样的。我的是3060卡。现在配置mmdetection可按照下面的步骤走，以及我会记录之前遇到的问题。

  1. 创建conda虚拟环境
conda create -n mmd python=3.8
  1. 开启虚拟环境
conda activate mmd
  1. 安装torch torchvision

pip install torch==1.8.0+cu111 torchvision==0.9.0+cu111 torchaudio===0.8.0 -f https://download.pytorch.org/whl/torch_stable.html
  1. 验证当前torch是否匹配你的cuda
import torch
torch.cuda.is_available() # 如果返回True，说明ok
torch.zeros(1).cuda()
  1. 安装mmcv
    注意，这里是要小心，mmcv-full的版本要根据工程规定的版本安装。不然就会不匹配。就拿rfa这份代码。我也是后来才知道它做了版本限制。它是在mmdet-rfla/build/lib/mmdet/_init_.py中写了这一段
mmcv_minimum_version = '1.3.2'
mmcv_maximum_version = '1.4.0'
mmcv_version = digit_version(mmcv.__version__)

assert (mmcv_version >= digit_version(mmcv_minimum_version)
        and mmcv_version <= digit_version(mmcv_maximum_version)), \
    f'MMCV=={mmcv.__version__} is used but incompatible. ' \
    f'Please install mmcv>={mmcv_minimum_version}, <={mmcv_maximum_version}.'

根据这个表格
在这里插入图片描述
最后安装了mmcv==1.3.9
注意cu111和torch1.8.0这里要和前面torch所安装的版本要对应

pip install mmcv-full==1.3.9 -f https://download.openmmlab.com/mmcv/dist/cu111/torch1.8.0/index.html
  1. 安装mmcv
git clone https://github.com/open-mmlab/mmdetection.git
cd mmdetection   
pip install -r requirements/build.txt   
pip install -v -e .
  1. 安装cocoapi
    这是这份代码专属的cocoapi
# Install cocoapi
pip install "git+https://github.com/jwwangchn/cocoapi-aitod.git#subdirectory=aitodpycocotools"
  1. 验证一下
    这里我还在摸索为啥jupyter notebook导入不了mmcv，但是我在命令行是可以的

Q&A

  1. no kernel image is available for execution on the device问题–（基本可判断为版本不匹配）
    然后这里的问题，并非网上说的算力不匹配，而是你mmcv的版本搞错了。一定要对照表格以及torch的安装版本

导入数据

你需要与configs同级目录下创建一个data文件夹，然后如果你是coco数据集，那就这么放

安排数据集文件夹

# ├── configs
# └── data
#     └── annotations
#        └── train.json
#        └── val.json
#     └── JPEGImages
#        └── xxx.jpg

调试数据集路径

这里的规律我是通过看configs/rfla/下的py，它在开头写

_base_ = [
    '../_base_/datasets/aitodv2_detection.py',
    '../_base_/schedules/schedule_1x.py', '../_base_/default_runtime.py'
]

我就知道应该是这个model文件要关联dataset的调用，optimizer的配置以及log文件的配置。

复制一份coco_detection.py作为当前任务的数据集配置脚本，命名为defect_detection.py
记住要改成这八个位置 强烈建议刚刚接触mmdetection的小伙伴，第一个位置就写CocoDataset，因为它这里是使用了

dataset_type = 'CocoDataset' # 1
data_root = r'../data/' # 2

data = dict(
    samples_per_gpu=8,
    workers_per_gpu=1,
    train=dict(
        type=dataset_type,
        ann_file=data_root + 'annotations/train.json',# 3
        img_prefix=data_root + 'JPEGImages/',# 4
        pipeline=train_pipeline),
    val=dict(
        type=dataset_type,
        ann_file=data_root + 'annotations/val.json', # 5
        img_prefix=data_root + 'JPEGImages/', # 6
        pipeline=test_pipeline),
    test=dict(
        type=dataset_type,
        ann_file=data_root + 'annotations/val.json', # 7
        img_prefix=data_root + 'test/', # 8
        pipeline=test_pipeline))

切记，这份py不能出现中文和反斜杠，因为mmdetection说白了就是从一份py里面通过命令行调用直接调用另外一份py，所以他对py里面的注释内容都很严格

网络选型

我选择的是cascade rcnn的py，那么我们在./configs/rfla/aitod_cascade_r50_rfla_kld_1x.py中修改参数
一个是_base_ ，另外一个是roi_head里面的num_classes

_base_ = [
    '../_base_/datasets/defect_detection.py', # 1这个的py就是上面数据集脚本的名字
    '../_base_/schedules/schedule_1x.py', '../_base_/default_runtime.py'
]

# 这里的所有num_classes
roi_head=dict(
        type='CascadeRoIHead',
        num_stages=3,
        stage_loss_weights=[1, 0.5, 0.25],
        bbox_roi_extractor=dict(
            type='SingleRoIExtractor',
            roi_layer=dict(type='RoIAlign', output_size=7, sampling_ratio=0),
            out_channels=256,
            featmap_strides=[4, 8, 16, 32]),
        bbox_head=[
            dict(
                type='Shared2FCBBoxHead',
                in_channels=256,
                fc_out_channels=1024,
                roi_feat_size=7,
                num_classes=3, #2
                bbox_coder=dict(
                    type='DeltaXYWHBBoxCoder',
                    target_means=[0., 0., 0., 0.],
                    target_stds=[0.1, 0.1, 0.2, 0.2]),
                reg_class_agnostic=True,
                loss_cls=dict(
                    type='CrossEntropyLoss',
                    use_sigmoid=False,
                    loss_weight=1.0),
                loss_bbox=dict(type='SmoothL1Loss', beta=1.0,
                               loss_weight=1.0)),
            dict(
                type='Shared2FCBBoxHead',
                in_channels=256,
                fc_out_channels=1024,
                roi_feat_size=7,
                num_classes=3,
                bbox_coder=dict(
                    type='DeltaXYWHBBoxCoder',
                    target_means=[0., 0., 0., 0.],
                    target_stds=[0.05, 0.05, 0.1, 0.1]),
                reg_class_agnostic=True,
                loss_cls=dict(
                    type='CrossEntropyLoss',
                    use_sigmoid=False,
                    loss_weight=1.0),
                loss_bbox=dict(type='SmoothL1Loss', beta=1.0,
                               loss_weight=1.0)),
            dict(
                type='Shared2FCBBoxHead',
                in_channels=256,
                fc_out_channels=1024,
                roi_feat_size=7,
                num_classes=3,
                bbox_coder=dict(
                    type='DeltaXYWHBBoxCoder',
                    target_means=[0., 0., 0., 0.],
                    target_stds=[0.033, 0.033, 0.067, 0.067]),
                reg_class_agnostic=True,
                loss_cls=dict(
                    type='CrossEntropyLoss',
                    use_sigmoid=False,
                    loss_weight=1.0),
                loss_bbox=dict(type='SmoothL1Loss', beta=1.0, loss_weight=1.0))
        ]),

数据集类别配置

在这个./mmdet/datasets/coco.py里面修改

class CocoDataset(CustomDataset):

    # CLASSES = ('person', 'bicycle', 'car', 'motorcycle', 'airplane', 'bus',
    #            'train', 'truck', 'boat', 'traffic light', 'fire hydrant',
    #            'stop sign', 'parking meter', 'bench', 'bird', 'cat', 'dog',
    #            'horse', 'sheep', 'cow', 'elephant', 'bear', 'zebra', 'giraffe',
    #            'backpack', 'umbrella', 'handbag', 'tie', 'suitcase', 'frisbee',
    #            'skis', 'snowboard', 'sports ball', 'kite', 'baseball bat',
    #            'baseball glove', 'skateboard', 'surfboard', 'tennis racket',
    #            'bottle', 'wine glass', 'cup', 'fork', 'knife', 'spoon', 'bowl',
    #            'banana', 'apple', 'sandwich', 'orange', 'broccoli', 'carrot',
    #            'hot dog', 'pizza', 'donut', 'cake', 'chair', 'couch',
    #            'potted plant', 'bed', 'dining table', 'toilet', 'tv', 'laptop',
    #            'mouse', 'remote', 'keyboard', 'cell phone', 'microwave',
    #            'oven', 'toaster', 'sink', 'refrigerator', 'book', 'clock',
    #            'vase', 'scissors', 'teddy bear', 'hair drier', 'toothbrush')
    CLASSES =('hp_cm','hp_cd','kp')

训练命令

python tools/train.py --gpus 1 --gpu-ids [0] ../configs/rfla/aitod_cascade_r50_rfla_kld_1x.py

Q&A

  1. ModuleNotFoundError: No module named ‘aitodpycocotools’
    就是你忘记安装它提供的cocoapi，参照上面环境配置安装即可
  2. UnicodeDecodeError: ‘utf-8’ codec can’t decode byte 0xca in position 32: invalid continuation byte
    或者python3 unicodedecodeerror: ‘ascii‘ codec can‘t decode byte 0xe6
    是因为你在上述所提及的所有py中加了中文注释

未完待续…如果有遗漏，欢迎评论区留言

MC.zeeyoung
关注
  • 15
    点赞
  • 踩
  • 26
    收藏
    觉得还不错? 一键收藏
  • 20
    评论
专栏目录
bbox文件，包含mmdet-anime-face-yolov3.pth，mmdet-anime-face-yolov3，
12-27
comfyui使用的bbox文件，包含mmdet_anime-face_yolov3.pth，mmdet_anime-face_yolov3，放在ComfyUI_windows_portable\ComfyUI\models\mmdets文件夹下
mmdet3d预训练模型
08-30
mmdet3d预训练模型
探索极致检测：RFLA——微小目标检测的新里程碑
最新发布
gitblog_00015的博客
05-29 625
探索极致检测：RFLA——微小目标检测的新里程碑 项目地址:https://gitcode.com/Chasel-Tsui/mmdet-rfla 在计算机视觉领域，微小目标的检测始终是一项极具挑战性的任务。传统的锚框和无锚框方法在处理这类问题时往往力不从心。然而，ECCV 2022论文“RFLA：基于高斯感受野的标签分配用于微小对象检测”提出了一种新的解决方案，其官方实现mmdet-rfla将改变...
【AI实战】微小目标检测模型MMDet-RFLA--训练环境从零开始搭建
Zack的博客
04-24 991
微小目标检测模型MMDet-RFLA
在win上调试测试mmdet
liguandong
03-06 652
在win上跑mmdet仅仅为了去看算法细节，方便调试，而不是跑项目，跑项目还是要到linux环境上面搞，记录一些更改的地方是为了在mmdet更新之后能够快速跟进，核心是理解正负样本分类和均衡问题。 1.把mmcv放到和mmdet同级目录下，屏蔽掉mmcv/utils/ext_loader中的load_ext函数，主要是因为mmcv部分的底层算子是用cpp和cuda重写的，所以在上层通过pybind11做了一层封装调用，如果看细节的，部分算子用不到，直接pass。 2.准备数据集，主要可以...
YOLOv7已解决:ModuleNotFoundError: No module named ‘aitodpycocotools._mask‘
小嘤熊的博客
11-22 244
在进行项目环境安装时，出现了ModuleNotFoundError: No module named 'aitodpycocotools._mask'的问题，查找了网上各种资料没有找到解决方案，追根溯源找到了问题所在。再次查看之前import的代码，发现路径已经变成了site-packages里的pycocotools了，代码没有报错了。因为提示说没有找到aitodpycocotools._mask模块，觉得可能是因为导入时的路径不对，因此找到报错的代码。如果你想要进一步了解更多的相关知识，
ModuleNotFoundError: No module named ‘aitodpycocotools‘
qihshe的博客
03-10 413
具体不清楚，反正pip下载也下载不了，改为pycocotools后没问题了。
【无标题】
christy9090900的博客
04-04 442
github官网往往很不稳定，尤其是在Linux下，有的时候科学上网虽然能正常连接，但是会由于代理的原因，导致使用该命令直接安装失败，产生connect timeout的问题。因此我们只能考虑如何离线安装。1.直接在网站下载（git clone 或 下载zip）
windows、ubuntu安装pycocotools
weixin_40671425的博客
12-14 550
一，Ubuntu系统 直接pip安装，运行下面的命令即可 pip install git+https://github.com/philferriere/cocoapi.git#subdirectory=PythonAPI 二，windows系统 1，下载code，code链接 https://github.com/philferriere/cocoapi 2，安装Visua...
RFLA: Gaussian Receptive Field based Label Assignment for Tiny Object Detection（ECCV2022）
qihshe的博客
12-24 513
当前基于锚点或无锚点的标签分配范式将产生许多异常的微小的地面真值样本，导致检测器对微小物体的关注减少。为此，我们提出了一种基于高斯接受场的标签分配(RFLA)策略用于微小目标检测
工作汇报格式 mmdet3d
01-23
【标题】：“工作汇报格式 mmdet3d” 在IT行业中，尤其是计算机视觉领域，"mmdet3d"是一个重要的关键词，它指的是MMDetection3D，一个用于3D目标检测的开源框架。这份“工作汇报格式 mmdet3d”可能是关于使用MM...
基于mmcv和mmdet的yolov8
05-03
**基于mmcv和mmdet的Yolov8深度学习框架详解** 在计算机视觉领域，目标检测是一项重要的任务，它涉及到识别图像中的特定对象并精确地定位它们。Yolov8是Yolo（You Only Look Once）系列目标检测模型的最新版本，其...
mmdet商汤深度学习框架
12-01
mmdet商汤深度学习框架
Raft结构源码解析
javaWeb
04-19 398
说明 goraft是Raft协议的Golang版本的实现，项目地址为：goraft/raft。整个代码质量较高，值得仔细品味。因此，整理了该博文探究下其内部实现。 数据结构 goraft主要抽象了server、peer和log三个结构，分别代表服务节点、Follower节点和日志。 原文地址：详细介绍点击这里 ...
[已解决] AssertionError: MMCV==1.3.0 is used but incompatible. Please install mmcv＞=1.2.4, ＜=1.3.
shysea2019的博客
03-28 4671
把mmcv_minimum_version 和 mmcv_maximum_version 改一下就好了。于是，打开项目中mmdet目录下的__init__.py 文件查看。换了好几个环境都不行。
mmdetection工程训练文件配置小结
qq_44442727的博客
10-30 1386
很久没跑mmdetection工程了，重新安装了一下环境，又要开始设置相关参数训练，时间长了难免生疏，大致记一下，以后要跑改起来快一些。 第一步，当然是选择网络在mmdetection/configs/下面，找到要跑的网络xxx-coco.py，根据里面的配置再在./base添加相关的配置文件datasets、schedules、models等。 上述最基础完成后，下一步是根据训练数据修改配置，根据数据集的格式添加数据集的路径，修改类别数为本地类别数，修改batch_size大小，修改输入图片尺寸等 第三步
CV小目标识别——AITOD航空图像数据集（已处理）
小嘤熊的博客
11-25 2490
标签有8类，分别是 ['airplane', 'bridge', 'storage-tank', 'ship', 'swimming-pool', 'vehicle', 'person', 'wind-mill']与现有的航拍图像目标检测数据集相比，AI-TOD中目标的平均尺寸约为12.8像素，远小于其他目标。需要下载以下两部分（第 1 部分：xView 训练集，第 2 部分：AI-TOD 的一部分）。2804张，共计28036张，都有标签，原始标签为json格式，处理后有。、通信仿真、算法设计、
有关mmclassification搭建问题的工作记录
weixin_73822830的博客
10-28 547
本文解决mmcls配置中可能出现的问题
mmcv-full1.7.1跟mmdet什么版本兼容
05-24
根据官方文档，mmdet v2.17.0 对应的 mmcv-full 版本是 1.3.1。但是，如果你想使用 mmcv-full1.7.1，可以尝试升级 mmdet 到最新版，即 v2.17.0+。另外，建议在安装时使用指定版本号的方式，以避免因版本兼容性问题导致的错误。例如： ``` pip install mmcv-full==1.7.1 -f https://download.openmmlab.com/mmcv/dist/cu101/torch1.7.0/index.html pip install mmdet==2.17.0 -f https://download.openmmlab.com/mmdetection/v2.0.0/dist/index.html ``` 这样可以确保 mmcv-full 和 mmdet 的版本兼容性。

“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 20
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