复现CrowdDet踩坑记录

已于 2024-02-01 18:21:26 修改
阅读量483 收藏 6
点赞数 8
文章标签： 目标检测 计算机视觉 人工智能 python
于 2023-12-12 13:41:01 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/u014541802/article/details/134947046
版权

复现CrowdDet踩坑记录

1.config.py需要修改（路径在model里）

数据集的组织也要按照这个格式在这里插入图片描述

在这里插入图片数描述

2.修改crowdhuman.py

根据图片格式选择jpg或者png

如果报错找不到某个模块，引入上一层的目录即可

在这里插入图片描述

更简单的方法mmdection已经集成了该方法

直接打印出配置文件，对相应的部分进行修改即可
这属于mmdection的内容了，需要的自己可以去搜索学习一下

想跑citypersons数据集，但是转化成odgt格式的标注文件后还是失败，CrowdDet的损失函数好像也是为crowdhuman数据集设置的，换数据集后会出问题，没法跑成功

君子攸行
关注
  • 8
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在自己的数据集上训练CrowdDet过程记录
mobuovo的博客
03-08 1458
论文链接：https://readpaper.com/pdf-annotate/note?noteId=656650387498369024&pdfId=542662939605901312 github链接：https://github.com/Purkialo/CrowdDet 一：在CrowdDet上训练CrowdHuman数据集： 1.CrowdHuman数据集 ①下载链接：CrowdHuman Dataset。 ②数据集介绍： ...
《CrowdDetection：Detection in Crowded Scenes: One Proposal, Multiple Predictions》论文笔记
m_buddy的博客
11-02 1118
参考代码：CrowdDetection 1. 概述 导读：在一些密集场景下检测算法由于算法自身问题导致其对密集场景检测存在问题，整篇文章正是解决这样的场景下的检测问题。这篇文章主要的思想就是将原来单个框检测的方式修改为预测一个相互关联框的集合（instance set）（可以看作是一块区域目标的集合），并且针对这种改进提出了EMD Loss和Set NMS去监督与提取最后的结果。文章的方法使用FPN-Res50作为backbone在CrowdHuman数据集上获得了4.9%（without RM），在Ci
CrowdDet: 实时人群检测与分析的高效框架
gitblog_00069的博客
04-19 369
CrowdDet: 实时人群检测与分析的高效框架 项目地址:https://gitcode.com/Purkialo/CrowdDet 项目简介 CrowdDet 是一个开源的人群检测和密度估计的深度学习框架，由Purkialo开发并维护。该项目旨在为研究人员和开发者提供一套强大而灵活的工具，以应对实时监控场景中复杂人群行为的识别和分析挑战。 技术分析 CrowdDet 基于先进的计算机视觉技术和...
CrowdDet论文复现踩坑
Eagle的博客
09-09 2618
训练 训练路径的修改 图片文件名错误 图片格式错误
【密集人群检测】Detection in Crowded Scenes: One Proposal, Multiple Predictions例程实现
qq_40089175的博客
12-07 4082
【密集人群检测】CrowdDetection例程实现 1.简介 旷世研究院在CVPR2020上发表的论文《Detection in Crowded Scenes: One Proposal, Multiple Predictions》，提出了一种非常简单而有效的基于提议的对象检测器，它是专门为拥挤实例检测而设计的。 其源论文及开源代码参考实现，代码分为Pytorch版本和旷世天元（megengine）版本，此处仅介绍Pytorch版本（github上star数量高自有其道理，别问我是怎么知道的）。下面就介
CrowdDet
03-19
拥挤场景中的检测：一项建议，多种预测 这是pytorch实现我们的论文的“ ”， ，发表在CVPR 2020 我们的方法旨在在拥挤的场景中检测高度重叠的实例。 我们方法的关键是让每个提案预测一组可能高度重叠的实例，而不是以前的基于提案的框架中的单个实例。通过这种方案，预计附近提议的预测可以推断出相同的实例集，而不是区分个人，这很容易学习。配备了EMD损失和Set NMS等新技术，我们的探测器可以有效地处理探测高度重叠的物体的困难。 网络结构和结果如下所示： 引文 如果您在研究中使用该代码，请引用： @InProceedings{Chu_2020_CVPR, author = {Chu, Xuangeng and Zheng, Anlin and Zhang, Xiangyu and Sun, Jian}, title = {Detection in Crowded Scenes: On
深度学习人群计数dcc_crowdnet训练模型-迭代450000次
11-09
深度学习人群计数dcc_crowdnet训练caffe模型-迭代450000次，包含caffemodel和相关的prototxt文件
rcnn_emd_refine_mge/baseline.pth
12-07
用于CrowdDetection算法实现的网络权重。 旷世研究院在CVPR2020上发表的论文《Detection in Crowded Scenes: One Proposal, Multiple Predictions》，提出了一种非常简单而有效的基于提议的对象检测器，它是专门为**拥挤实例检测**而设计的。
Detection in Crowded Scenes: One Proposal, Multiple Predictions.pptx
03-30
旷视科技提出的Detection in Crowded Scenes: One Proposal, Multiple Predictions，使用实例集预测实例2020cvpr
车辆轨迹预测系列 (四)：VectorNet代码复现及踩坑记录
06-26
- **踩坑经验**：可能遇到的问题包括数据处理的细节、模型训练的稳定性、超参数调优等，这些都需要根据具体情况进行解决。 5. **关键代码解读**： - **嵌入层**：将位置数据转化为向量表示，可以使用线性层或者...
标签risc-v复现踩坑指南1
08-03
【RISC-V 复现踩坑指南】 在 FPGA 上复现 RISC-V 架构是一项技术挑战，尤其当涉及到特定的实现，如“标签化 RISC-V 架构”。本指南将详细介绍在这个过程中可能遇到的问题及其解决方案。 1. **硬件配置**： - 使用...
ApacheShiro复现记录1
08-08
Apache Shiro复现记录1 Apache Shiro是Java应用程序中常用的身份验证和授权框架，但是在某些情况下，可能会遭受反序列化攻击。下面是关于Apache Shiro复现记录的详细知识点： 1. Apache Shiro简介 Apache Shiro是...
永恒之蓝复现kaliwin7
07-19
永恒之蓝复现kaliwin7
EfficientDet代码解读-efficientdet
lucky_kai的博客
05-14 2151
efficientdet dataset.py CocoDataset init def __init__(self, root_dir, set='train2017', transform=None): self.root_dir = root_dir # datasets/coco/ # datasets/coco/...
【论文阅读纪录】M2Det（目标检测）
fish_like_apple的博客
06-18 810
前言： { 之前github上搜目标检测的模型，搜到了几个效果不错的模型，这次要介绍的就是其中之一：M2Det[1]，[2]。 这次的博客就用来做M2Det论文的阅读纪录。 } 正文： { 在文章的一开始，作者介绍了目标检测的主要问题：目标的尺度不定。解决这个问题的方法有两种： 使用图像金字塔，即对原图进行缩放以使用不同尺度的图像。由于需要反复计算特征...
COCO数据集格式
热门推荐
fireflychh的博客
10-13 4万+
一、COCO数据集JSON文件格式 json文件主要包含以下几个字段： <class 'dict'> {     "info": info, # dict      "licenses": [license], # list ，内部是dict      "images": [image], # list ，内部是dict      "annotations": [annotat...
自我学习的守护者：自监督目标检测的前沿探索
2401_85760095的博客
07-21 622
自监督目标检测的核心在于设计一种预测任务，使得模型能够从未标注的数据中学习到目标的存在和位置。自监督目标检测作为一种新兴的目标检测方法，通过利用数据自身的监督信号，减少了对标注数据的依赖，提高了模型的泛化能力和鲁棒性。本文详细介绍了自监督目标检测的基本原理、关键技术和实现方法，并通过代码示例展示了其应用过程。
探索半监督学习的力量：半监督目标检测全解析
2401_85761762的博客
07-21 973
半监督目标检测是一种结合了监督学习和无监督学习的目标检测方法。它利用少量的标注数据和大量的未标注数据，通过学习图像中的模式和结构，提升目标检测的准确性和鲁棒性。半监督目标检测作为一种有效的目标检测方法，通过结合标注数据和未标注数据，减少了对标注数据的依赖，提升了模型的泛化能力。本文详细介绍了半监督目标检测的基本原理、方法和应用，希望能够帮助读者更好地理解和应用这一技术。
3.3、matlab彩色图和灰度图的二值化算法汇总
最新发布
XU157303764的博客
07-25 1098
matlab彩色图和灰度图的二值化算法汇总
"OPINIONDIGEST模型复现与性能评估：关键观点提取和意见归纳
在本次复现实验中，我们尝试复现了OPINIONDIGEST模型，并对其性能进行了评估。尽管在实验过程中发现与原论文中报告的计算指标存在一定的差异，但通过分析差异并进行适当的调整，我们成功获得了有价值的见解。通过...
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