detectron ResizeShortestEdge 的实现探究

最新推荐文章于 2022-07-15 17:24:40 发布
最新推荐文章于 2022-07-15 17:24:40 发布
阅读量1.5k 收藏 6
点赞数 11
文章标签： 深度学习 pytorch 机器学习
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_41946623/article/details/113850808
版权

最近在做项目的时候，发现训练完了之后，输入不同尺寸的图，精准度会不同。于是仔细的看了下对于不同尺寸的增广训练。

训练阶段用到的参数 ：

# 后面跟的值是举例值，使用者可根据自己的图片大小进行调整
  
  MAX_SIZE_TRAIN: 1333             # 图片的长边 ，必须小于 1333。 第一优先级限制
  
  MIN_SIZE_TRAIN: (640 ,    800)   #图片的长边，会缩放到这个尺寸，在满足 MAX_SIZE_TRAIN   的前提下，才会满足这个条件

举例：

原始图片尺寸最短边 根据 640 缩放尺寸最短边 根据 800 缩放尺寸结论
2600 * 12581322 * 640 (正常缩放)1653 * 800 (不符合 MAX_SIZE_TRAIN<= 1333 ) 实际为： 1333*644部分数据增广无效
3600 * 12581831 * 640 (不符合 MAX_SIZE_TRAIN<= 1333 ) 实际为： 1333*6442289 * 800 (不符合 MAX_SIZE_TRAIN<= 1333 ) 实际为： 1333*644全部增广无效

测试阶段用到的参数 ：


# 后面跟的值是举例值，使用者可根据自己的图片大小进行调整

  MAX_SIZE_TEST: 1333            # 图片的长边，超过会缩放到这个尺寸
  
  MIN_SIZE_TEST : 800              # 图片的短边，做小是这个值 , 在满足 MAX_SIZE_TRAIN   的前提下，才会满足这个条件

举例：

原始图片尺寸缩放后进入预测的图片结论
2600 * 12581333*644按照 MAX_SIZE_TEST 的原则进行缩放
400 * 400800 * 800图片被放大
吴亚军2020
关注
  • 11
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
Detectron2数据增强----ResizeShortestEdge
weixin_45429320的博客
08-02 1139
CUDA out of memory. Tried to allocate 22.00 MiB (GPU 0; 31.75 GiB total capacity; 30.21 GiB already allocated; 17.50 MiB free; 30.27 GiB reserved in total by PyTorch)
detectron2：输入图像尺寸问题
weixin_44768052的博客
07-27 1151
而最小输入尺寸，可以是个列表的形式，比如（800，900）,这时候就会从（800，1333）和（900，1333）两个区间随机采样。图像会经过裁剪的操作再送进模型，可以设置图像裁剪范围的区间，例如原配置中就是（800，1333）。在detectron2中，我们并不是只输入一个尺寸的图像。...
detectron2:配置文件解析
weixin_44768052的博客
07-15 1708
detectron2的模型配置文件位于detectron2/config/defaults.py,理解配置文件就可以对detectron2中内置的一些模型进行调参。
detectron2（目标检测框架）无死角玩转-08：源码详解（4）-数据预处理，数据增强
江南才尽江南山，年少无知年少狂！
01-29 8283
该篇博客，主要讲解的是数据预处理，其还包含了数据增强，如中心剪切，多尺度训练等等。
理解Detectron2中数据读取以及在线数据增强流程
hjxu2016的博客
12-01 4060
文章目录一、Detectron2中读取数据的流程二、读取数据、在线数据增强并显示三、Detectron2官方对数据增强部分的描述 以目标检测为例，探讨Detectron2中是如何进行在线数据增强的。 一、Detectron2中读取数据的流程 根据cfg配置文件，建立一个Trainer(cfg)类 trainer = Trainer(cfg) trainer.resume_or_load(resume=args.resume) Trainer类是由DefaultTrainer类派生而来 class
使用Detectron2训练自己的数据集
carry_hjr的博客
06-24 2545
如何使用自己的coco格式数据集 之前看了一篇 https://blog.csdn.net/weixin_43823854/article/details/108980188 实现有点啰嗦，那些class 颜色不用管 detectron2/data/datasets/coco.py 里面的 register_coco_instances 函数里取消meta的传入 detectron2/data/datasets/builtin.py 里面的_PREDEFINED_SPLITS_COCO 字典里加入数据集名
detectron2.zip
07-30
安装detectron2所需要的一些库，
detectron2-maskrcnn
04-10
detectron2训练自己的图像集
一个使用了AdelaiDet和detectron2实现的人物分割系统
最新发布
05-27
一个使用了AdelaiDet和detectron2实现的人物分割系统，包含模型、系统源码、
DETR.detectron2:基于detectron2的DETR实现
04-13
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.coco.multiscale.150e.bs16 ...
detectron2官方代码
04-17
直接下载文件，使用README安装即可，解压到本地以后使用pycharm2021.3打开setup.py然后进行自动安装如果报错，可以查看我的安装教程
detectron2 配置与使用
BelisariusM的博客
08-26 3943
detectron2 的配置与使用下载与配置数据集注册和训练的准备Training查看标注好的图片 下载与配置 github地址 https://github.com/facebookresearch/detectron2 官方文档 https://detectron2.readthedocs.io/en/latest/index.html 环境 python >=3.6 pytorch >=1.7 torchvision opencv （训练不需要，但使用
（二十五）mmdetection源码解读：config配置文件之datasets
m0_37737957的博客
02-12 3174
一、datasets配置文件 二、数据处理流程
yolov5s 预训练模型_使用yolo-v5训练测试自己的数据
weixin_39603050的博客
12-18 2532
使用环境：python3.6.8、CUDA10.0、Centos7.5目录一、前言1.1下载yolov5代码首先通过git命令从GitHub克隆yolov5最新代码(当然也可以选择想要的版本号)，该文采用最新的代码，命令如下：git clone --recursive https://github.com/ultralytics/yolov5.git其中--recursive 参数属于个人习惯添...
Maskrcnn-benchmark利用自己的数据进行目标检测和关键点检测
ylq0505的博客
10-26 5413
Maskrcnn-benchmark利用自己的数据进行目标检测和关键点检测介绍0 环境配置RequirementsInstallation1 目标检测任务1.1 数据准备1.1.1 coco数据集的介绍1.1.2 转coco数据1.1.3 数据检验1.2 数据集在源代码文件中的组织结构1.3 使用预训练模型1.4 源码文件的修改1.5 模型训练1.6 模型验证1.7 前传1.8 几个常见的问题2 ...
目标检测tricks（基于detectron2）
喵喵喵
10-28 1060
目标检测tricks（基于detectron2） 正确尝试 裁剪 由于目标相对于整张图片来说过小，所以对数据进行裁剪（除了裁剪尺寸还需要关注重叠尺寸，重叠尺寸稍微大一些，尽量保持每个目标有完整的存在，不至于因裁剪而破坏目标，这里设置裁剪512，重叠256） 参考代码：DOTA_devkit 改变anchor size和aspect_ratio 由于数据目标较小，所以需要更改detectron2里默认的anchor.size和aspect_ratio cfg.MODEL.ANCHOR_GENERATOR.SI
netty源码分析9-Unsafe
chenchangqun11的专栏
12-06 168
本文分享以下内容 Unsafe概况 AbstractUnsafe 分析 AbstractNioUnsafe分析 NioByteUnsafe分析 NioMessageUnsafe分析 Unsafe概况 unsafe是Channel的内部逻辑实现，实际的IO操作都是由unsafe完成的。 unsafe调用原生的NIO API处理IO操作,使用Pipeline传递触发的channel...
Detectron2 Transforms
mmm305658979的博客
03-24 1234
fvcore/transforms/transform.py detectron2/data/transforms/transform.py + PIL 提供底层实现。 __all__ = [ "RandomBrightness", "RandomContrast", "RandomCrop", "RandomExtent", "RandomFlip...
tensorflow入门教程(四十七)人体姿态检测(四)
韦访的专栏
07-04 4579
# #作者：韦访 #博客：https://blog.csdn.net/rookie_wei #微信：1007895847 #添加微信的备注一下是CSDN的 #欢迎大家一起学习 # ------韦访 20190627 1、概述 上一讲我们将训练的代码跑起来了，这一讲开始真正的来分析源码了。看代码的时候要结合论文看，才能看懂。 2、计算网络的输入输出大小 打开train.py文件，从main...
detectron2
07-27
Detectron2是一个用于计算机视觉任务的开源软件库，它是Facebook Research团队开发的。它提供了一系列强大的工具和算法，用于目标检测、实例分割和关键点检测等任务。如果你想在本地使用Detectron2，可以按照以下步骤进行操作： 1. 首先，你需要将Detectron2库下载到本地。你可以使用以下命令将其克隆到本地： ``` git clone https://github.com/facebookresearch/detectron2.git ``` 2. 接下来，你需要安装Detectron2的依赖项。你可以使用以下命令安装所需的依赖项： ``` python -m pip install -e detectron2 ``` 3. 在安装完成后，你可能需要进行一些修改以解决一些已知的问题。根据你提供的引用内容，以下是一些可能需要修改的地方： - 在`detectron2/layers/csrc/ROIAlignRotated/ROIAlignRotated_cuda.cu`文件中，将所有的`ceil`改为`ceilf`。 - 在`detectron2/layers/csrc/deformable/deform_conv_cuda_kernel.cu`文件中，将所有的`floor`改为`floorf`。 - 在`torch/include/torch/csrc/jit/ir/ir.h`文件中，将第1347行的代码注释掉：`// static constexpr Symbol Kind = ::c10::prim::profile_optional`。 - 在`detectron2/layers/csrc/cocoeval/cocoeval.cpp`文件中，修改第487行的代码：`// localtime_r(&rawtime, &local_time); localtime_s(&local_time,&rawtime);` 完成以上步骤后，你就可以在本地使用Detectron2进行计算机视觉任务了。希望这些信息对你有所帮助！\[1\]\[2\]\[3\] #### 引用[.reference_title] - *1* [深度学习 | Detectron2使用指南](https://blog.csdn.net/qq_43701912/article/details/123590274)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down28v1,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* *3* [Win10下安装Detectron2，超详细教程！](https://blog.csdn.net/zzy153/article/details/120693321)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down28v1,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“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