2021-11-13

最新推荐文章于 2022-11-17 20:18:24 发布
最新推荐文章于 2022-11-17 20:18:24 发布
阅读量3.7k 收藏 3
点赞数
文章标签： 目标检测 深度学习 计算机视觉 python
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/weixin_40476073/article/details/121308460
版权

使用cvpods对《End-to-End Object Detection with Fully Convolutional Network》复现

论文简介

作者提供的代码链接：https://img.shields.io/github/license/Megvii-BaseDetection/DeFCN.
原文链接：https://arxiv.org/pdf/2012.03544v3.pdf
该文章针对目标检测，抛弃了NMS，采用一对一标签分配（POTO）代替NMS进行后处理，为了提升性能，增加了三维最大滤波（3dmf）和辅助损失，最终得到的效果超过了使用NMS的目标检测。

环境要求

1.*必须是linux！*我们当初配了好久的windows，结果全部白搭！！！
2.必须有GPU！这个论文使用了CrowdHuman和COCO两个数据集，COCO那超级大，COCO2017就10G+，而且为了精度迭代240000次（一个GPU条件下），作者当初用了8个GPU，跑了8小时，我们只有三个，就没跑COCO，只跑了CrowdHuman。。。
3.需要配置cvpods，一个只迭代到了1.0版本，几乎没人用过的代码库。

环境配置

README里面说的很简单，配置两个东西：

  • cvpods
  • scipy >= 1.5.4
    scipy就不说了，很好安装。cvpods的安装，官方链接给了三种安装方法，其中，其中，第一种，python3 -m pip install ‘git+https://github.com/Megvii-BaseDetection/cvpods.git’ --user 是错的，在我们的服务器上，写不了关键的配置，只需要改用第二种，就可以啦。
    （我们当时弄了两周，都改不好这个，当时的环境删了，报错信息就是tmp什么什么的找不到）

运行界面

如图是用三个GPU跑COCO的图片:
在这里插入图片描述
这是我们跑出来的POTO+3dmf+Aux的结果，比原文不差啊

子叶95
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
探索CVPods：Megvii打造的高效计算机视觉库
gitblog_00069的博客
04-14 315
探索CVPods：Megvii打造的高效计算机视觉库 项目地址:https://gitcode.com/Megvii-BaseDetection/cvpods CVPods 是Megvii（即商汤科技）开发的一个强大的、基于PyTorch的计算机视觉框架，旨在为研究人员和工程师提供一个高效、易用的平台，用于快速实现和优化各种计算机视觉任务。本文将深入探讨该项目的技术特点、用途及优势，以帮助更多用户...
cvpods：分类？检测？细分？ 关键点？自我监督学习？3D？cvpods就是您所需要的！
02-01
cvpods-提高研究效率； 帮助研究人员平稳地切换任务。 欢迎使用cvpods，它是用于许多计算机视觉任务的通用高效代码库：分类，分段，检测，自我监督学习，关键点和3D（分类/分段/检测/表示学习）等。 目录 变更日志 2020年12月3日：发布了cvpods v0.1。 安装 要求 Linux（Python≥3.6） PyTorch≥1.3和与PyTorch安装相匹配的手电筒。 您可以在pytorch.org上将它们一起安装以确保这一点 OpenCV是可选的，演示和可视化都需要 从源代码构建cvpods 确保本地计算机上有GPU。 # Install cvpods (requires GPU) locally python -m pip install ' git+https://github.com/Megvii-BaseDetection/cvpods.git ' # (add --user if you don't have permission) # Or, to install it from a local clone: git clone https://gi
安装配置 cvpods 框架
allrubots的博客
07-06 1548
配置cvpods的实验记录
DeFCN debug记录（训练过程），以及对cvpods框架的分析
allrubots的博客
07-11 1260
一次实验的记录
YOLOF训练自己的数据集（目标检测，cvpods版本）
shenhaibb_的博客
04-24 5651
github repo地址：https://github.com/chensnathan/YOLOF 我也是初学刚接触，看不懂网上的注册数据集，就是运行的时候哪里报错哪里改代码，有专业的还请多多指正 前提是你已经把你的数据集转换成coco形式了，我在这里给出一个转换后的例子 { "categories": [ { "id": 0, "name": "waste", "supercategory": "mark" } ], "annota
USB_Composite-2021-11-13.zip
11-13
总的来说，"USB_Composite-2021-11-13.zip"的内容涵盖了STM32作为USB复合设备的实现，包括虚拟串口和HID功能，这对于开发基于STM32的自定义USB设备具有很高的实用价值。通过深入研究和理解这些资料，开发者可以创建...
tampermonkey-backup-chrome-2021-11-27T13-18-01-624Z.zip
11-27
下载后通过Tampermonkey直接导入即可使用。
SRA2021-G11
03-14
由于没有提供更多的上下文信息，我们可以假设这可能是指2021年的一项名为"SRA"（可能是Software Research Association或者类似的缩写）的活动或项目的第11个小组或阶段。在IT领域，这样的命名通常用于区分不同的项目...
2021-11-11 13-07-49.mp4
03-25
2021-11-11 13-07-49.mp4
2021-CSP-S-提高组初赛
08-24
8. 令根结点的高度为 1，则一棵含有 2021 个结点的二叉树的高度至少为 11。 知识点：二叉树、树的高度 9. 前序遍历和中序遍历相同的二叉树为且仅为根结点没有左子树的二叉树。 知识点：二叉树遍历 10. 将...
SelfSup:基于cvpods的自我监督方法的集合
03-30
自我支持 自我监督方法的集合（MoCo系列，SimCLR， SiMo ，BYOL，SimSiam，SwAV，PointContrast等）。 开始使用 按照说明安装cvpods。 从安装cvpods。 准备数据集 cd cvpods ln -s /path/to/your/ImageNet datasets/imagenet 训练自己的模型 cd /path/to/your/SelfSup/examples/simclr/simclr.res50.scratch.imagenet.224size.256bs.200e # pre-train pods_train --num-gpus 8 # convert to weights python convert.py simclr.res50.scratch.imagenet.224size.256bs.200e/log/model_fin
OTA:正式执行我们的CVPR2021文件“ OTA
04-01
OTA：用于对象检测的最佳传输分配 该项目为我们在PyTorch上的CVPR2021论文“ ”提供了实现。 要求 开始使用 在本地安装cvpods（需要cuda进行编译） python3 -m pip install ' git+https://github.com/Megvii-BaseDetection/cvpods.git ' # (add --user if you don't have permission) # Or, to install it from a local clone: git clone https://github.com/Megvii-BaseDetection/cvpods.git python3 -m pip install -e cvpods # Or, pip install -r requirements.txt python3 setup.
DeFCN:全卷积网络的端到端目标检测
03-10
全卷积网络的端到端目标检测 该项目在PyTorch上提供了“”的实现。 本文中的实验是在内部框架上进行的，因此我们在上重新实现了它们，并报告了以下详细信息。 要求 scipy> = 1.5.4 开始使用 在本地安装cvpods（需要cuda进行编译） python3 -m pip install ' git+https://github.com/Megvii-BaseDetection/cvpods.git ' # (add --user if you don't have permission) # Or, to install it from a local clone: git clone https://github.com/Megvii-BaseDetection/cvpods.git python3 -m pip install -e cvpods # Or, pip
python离线安装所需所有资源(python3.6,pip,gcc)
01-08
gcc.tar get-pip.py Python-3.6.5.tgz Python 的 3.0 版本，常被称为 Python 3000，或简称 Py3k。相对于 Python 的早期版本，这是一个较大的升级。为了不带入过多的累赘，Python 3.0 在设计的时候没有考虑向下兼容。
基于PPDet的YOLOF模型复现
m0_63642362的博客
01-31 440
基于PPDet的YOLOF模型复现
cvpods安装报错cuda_runtime_api.h
u011788214的专栏
04-15 1112
https://github.com/Megvii-BaseDetection/cvpods#usage 报错： 解决方法： sudo apt-get install nvidia-cuda-toolkit pip install -e cvpods --user
Window系统使用pip安装CVzone插件-操作步骤-记录留档
Img_ZENG的博客
11-17 2521
pip安装具体步骤。一般新人可能用得上。
DeFCN：《End-to-End Object Detection with Fully Convolutional Network》复现：训练自己数据集
Talk is cheap, show me the code!
04-29 983
论文链接：https://arxiv.org/pdf/2012.03544.pdf 代码链接：https://github.com/Megvii-BaseDetection/DeFCN 论文解读：https://zhuanlan.zhihu.com/p/371594304 一. 环境搭建 1.1. 安装cvpods框架 git clone https://github.com/Megvii-BaseDetection/cvpods.git python3 -m pip install -e cvpods.
.var amout = { '2021-10-01': 0, '2021-10-02': 0, '2021-10-03': 0, '2021-10-04': 0, '2021-10-05': 0, '2021-10-06': 0, '2021-10-07': 0, '2021-10-08': 2.2, '2021-10-09': 2.5, '2021-10-10': 0, '2021-10-11': 0, '2021-10-12': 0, '2021-10-13': 0, '2021-10-14': 0, '2021-10-15': 0, '2021-10-16': 0, '2021-10-17': 0 }; 将对象转换为 var arr = [ { '2021-10-01': 0 }, { '2021-10-02': 0 }, { '2021-10-03': 0 }, { '2021-10-04': 0 }, { '2021-10-05': 0 }, { '2021-10-06': 0 }, { '2021-10-07': 0 }, { '2021-10-08': 2.2 }, { '2021-10-09': 2.5 }, { '2021-10-10': 0 }, { '2021-10-11': 0 }, { '2021-10-12': 0 }, { '2021-10-13': 0 }, { '2021-10-14': 0 }, { '2021-10-15': 0 }, { '2021-10-16': 0 }, { '2021-10-17': 0 } ]
最新发布
03-14
我可以回答这个问题。您可以使用 Object.entries() 方法将对象转换为数组，然后使用 Array.map() 方法将每个键值对转换为一个对象。以下是代码示例： ``` var arr = Object.entries(amout).map(([key, value]) => ({ [key]: value })); ```

“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 2
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