detr训练简单记录

最新推荐文章于 2025-04-02 11:20:21 发布
最新推荐文章于 2025-04-02 11:20:21 发布
阅读量2.6k 收藏 26
点赞数 1
分类专栏： 深度学习Pytorch 文章标签： 深度学习 计算机视觉
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_42245375/article/details/121784184
版权
本文介绍了如何利用DETR进行对象检测，包括从VOC格式转换为COCO格式的数据集处理，下载预训练模型detr-r50-e632da11.pth，以及训练过程中的关键步骤。作者分享了代码资源和训练后的评估结果，指出由于数据集较小（3000张图片），训练150个epoch后效果不佳。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

文章目录


参考博客：
https://blog.csdn.net/w1520039381/article/details/118905718 

我这算是他这篇博客的补充，大体步骤按他的来

代码链接：

https://github.com/facebookresearch/detr
  1. 生成自己数据集所需pth文件过程中用到的detr-r50-e632da11.pth在github页面下载，，项目首页就能找到

https://dl.fbaipublicfiles.com/detr/detr-r50-e632da11.pth

  1. 数据集目录放置

voc2coco代码：（推荐一个，其他找的我用没效果。。。）
https://github.com/jiachen0212/voc2coco-pattern

注：训练集，验证集图片分开，自己解决下（手撸代码或者找下）
在这里插入图片描述

  1. 画图的这个代码
第5行是链接到log.txt

最低0.47元/天 解锁文章
使用AutoDL训练RT-DETR等计算机视觉网络模型（AutoDL+Xftp+VS Code），附详细操作步骤
Limiiiing的博客
11-12 915
AutoDL AI算力云是一个提供人工智能算力服务的云平台。丰富的GPU资源：提供多种GPU型号，包括NVIDIA的A100A800L40V100RTX 4090RTX 3090等，能满足我们在不同场景下的需求，无论是进行大规模的AI训练还是复杂的科学计算等任务，都可以找到合适的GPU资源。灵活的付费方式：支持按量付费包日包周包月等多种付费模式。对于短期的实验或不确定时长的项目，可以选择按量付费；如果有长期稳定的算力需求，预付费或包周包月则可能更划算，可以根据自己的需求和预算进行选择。集成主流框架：集成了。
DETR训练自己的数据集
qq_45836365的博客
12-09 9064
本文记录利用官方提供的代码来训练验证自己的数据集的过程以及一些注意事项。该数据集原始的标签保存格式为yolo类型的txt文件，下面提供的代码能够实现数据集标签从txt文件到coco json格式的转化.该部分为利用训练得到的模型权重进行检测验证。在detr工程文件下的images文件夹存放所有待验证的图片，infer_results存放所有的验证结果。DETR需要的数据集格式为coco格式，其原始图片与标签分为训练集和验证集，其保存目录为。output_dir为保存训练得到的模型权重的地址。
DETR实现目标检测(一)-训练自己的数据集
Trisyp的博客
06-13 6462
DETR实现目标检测(一)-训练自己的数据集
RT-DETR使用说明（训练）
最新发布
qq_53388162的博客
04-02 558
RT-DETR 是百度提出的一种实时端到端目标检测模型，基于Transformer架构，通过高效混合编码器、IoU感知查询选择等机制，在COCO数据集上表现出色，且无需NMS后处理，支持灵活的速度调整，适用于实时目标检测任务，尤其在小目标检测上优势明显，可应用于视频监控、自动驾驶等领域。
DETR训练自己标注的数据集
qq_59051530的博客
04-14 6416
DETR（Detection Transformer）是一种新型的目标检测模型，由Facebook AI Research (FAIR) 在2020年提出。DETR的核心思想是将目标检测任务视为一个直接的集合预测问题，而不是传统的两步或多步预测问题。这种方法的创新之处在于它直接预测目标的类别和边界框，而不是先生成大量的候选区域，然后再对这些区域进行分类和边界框回归。
detr(detection transformer)模型训练自己的数据集
Evan_qin_yi_quan的博客
06-28 1987
detr(detection transformer)模型训练自己的数据集
【DETR】DETR训练VOC数据集/自己的数据集
capsule的博客
01-03 9679
DETR训练VOC数据集
DETR训练VOC数据集
m0_62063074的博客
09-20 2265
在学习DETR过程中，原模型用的COCO数据集，训练的太慢了，故使用VOC数据集。网上找了好长好长时间，好多博客都走不通，特此记录一下。
ND-DETR：通过引入Query去噪加速DETR训练
weixin_44052271的博客
10-28 1059
DETR算法训练速度慢是很多工作的motivation，本文同样也是为了解决这个问题。但不同于之前工作聚焦于query设计及其具体含义的理解，本文从另一个角度——二分图匹配在训练前期的不稳定性，分析了DETR收敛速度慢的原因，并提出一种去噪训练方法加速DETR收敛。摘要部分简单说明了去噪训练方法的思路：将带有噪声的GT标注框喂入decoder，训练模型预测原始的GT标注框，这有效降低了二分图匹配的难度，从而加速收敛。给GT添加的噪声是什么？
detr训练 labelimg
01-09
为此，可以编写一段简单的Python脚本来批量转换由LabelImg产生的XML记录至所需的JSON格式。这里给出一个简化版的例子说明如何实现这一功能： ```python import os from xml.etree import ElementTree as ET from ...
使用DETR模型训练自己的数据集过程记录
weixin_43788752的博客
04-13 4332
利用DETR模型训练自己数据集的过程记录（使用linux环境）
Detectron-maskrcnn 训练自己的数据集
10-31
Detectron-maskrcnn 训练自己的数据集 数据集为Labelme标注json格式
DETR源码学习（二）之模型训练
pengxiang1998的博客
03-20 2290
前面在完成了DETR模型的构建后，我们接下来便是进行数据集构造与模型训练了，模型训练阶段会涉及到网络前向传播与后向传播，这才是真正的难点。
DETR训练记录
lkxxxxxx的博客
09-30 345
解决方法：在E:\Anaconda3\envs\detr-main\Lib\site-packages\PIL\Image.py里面的3131行加上图片文件的后缀名，我的图片文件是jpg类型，所以加上.jpg。解决方法：在E:\Anaconda3\envs\detr-main\Lib\site-packages\pycocotools\coco.py文件里面加上encoding='utf-8'.上面的num_classs要检测几个类别就写几个类别，if语句中的是要加上一个背景类别。
训练过程中生成日志
Woosual的博客
10-15 1380
对于python，既可以使用logging库，比较方便； 同时，另一种简单粗暴的方式，直接将终端输出内容重定向 比如， python train.py > log.txt 一个→直接将终端输出定向到当前目录下的log.txt文件中，没有文件则创建，有文件则覆盖。 python train.py >> log.txt 这种方式则会在有log.txt时将内容追加到log.txt中 那么，既想在终端显示内容又将内容定向到日志文件，可以使用tee命令 python train
DETR训练自己的数据集（少走弯路版）
qq_52422697的博客
11-21 2838
跑DETR踩坑，所以写了一下
DETR训练实践以及自动预标注脚本、测试可视化脚本
在努力的松鼠的博客
06-24 3690
目录自动预标注脚本 测试可视化脚本DETR训练自己的数据集总所周知，标注是一个体力活，而我又是一个懒人，所以我就自己写了个脚本。。。并不要求高精度，只是想体验用DETR训练自己的数据集又不想标注的人可以借鉴或使用。输入方式可以调用摄像头或者读取视频、图片三种方式来获取输入，我加了print提示，可以直接运行查看哈。输入0，1，2来选择功能分为3种，查看原图，检测可视化，图像标注，由于这次我是用我的人脸做了一个数据集，所以取名face detection。 如果选择image label，接下来是选择数据集类
【DETR】训练自己的数据集-实践笔记
热门推荐
gsgs1234的博客
07-14 3万+
DETR，基于transformer的目标检测，数据集：NWPU。 训练自己的数据集实践笔记及问题总结
DETR目标检测模型训练自己的数据集
mw的博客
07-22 3010
DETR的核心思想是将目标检测任务视为一个直接的集合预测问题，而不是传统的两步或多步预测问题。这种方法的创新之处在于它直接预测目标的类别和边界框，而不是先生成大量的候选区域，然后再对这些区域进行分类和边界框回归。
评论 10
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