目标检测
文章平均质量分 51
诸神黄昏的幸存者
这个作者很懒,什么都没留下…
展开
-
记录mmdetectionv1与mmdetectionv2的不同
记录mmdetectionv11.0.rc0+3c2e4df与mmdetectionv22.11.0的不同之处。这两个版本的不同还有另外一个影响因素比较大的就是mmcv版本差异也很大。如:v1版本对应的是mmcv0.2.14,v2版本对应的mmcv1.3.3。1、配置文件的不同rpn_head的不同 rpn_head=dict( type='RPNHead', in_channels=256, feat_channels=256,原创 2021-12-30 14:29:40 · 2253 阅读 · 0 评论 -
mmdetection bug集锦
1、register_module() missing 1 required positional argument: 'cls'原因:mmdetectionv1和mmdetectionv2版本在注册backbone等的时候有差别的地方如括号。v1是@BACKBONES.register_module,而v2是@BACKBONES.register_module()原创 2021-12-20 17:51:38 · 678 阅读 · 0 评论 -
解决mmdetection训练过程loss为nan的问题
我之前遇到两次loss为nan,一次是由于数据标注出现问题,换不同的模型参数均出现此问题,因此需要仔细检查数据格式;另外一次是换了个neck的结构,loss变为nan,后面通过将学习率调为原来的1/10(根据实际情况调整),就没有出现了。下面为官方文档给出的解决方案,应该可以解决大部分问题。检查数据的标注是否正常, 长或宽为 0 的框可能会导致回归 loss 变为 nan,一些小尺寸(宽度或高度小于 1)的框在数据增强(例如,instaboost)后也会导致此问题。 因此,可以检查标注并过滤掉那些特别原创 2021-12-08 19:04:25 · 5676 阅读 · 3 评论 -
win安装pycocotools包(最新版)
pip install pycocotools-windows原创 2021-09-14 17:55:44 · 173 阅读 · 0 评论 -
python给定两个框的坐标,计算IoU以及IoM
给定两个框的坐标,计算IoU以及IoM。1、计算IoU交并比(Intersection-over-Union,IoU),目标检测中使用的一个概念,是产生的候选框(candidate bound)与原标记框(ground truth bound)的交叠率,即它们的交集与并集的比值。def IoU(box1, box2): """ :param box1: list in format [xmin1, ymin1, xmax1, ymax1] :param box2: list原创 2021-08-15 21:37:40 · 1347 阅读 · 0 评论 -
安装mmdetection2的详细教程
这里,默认已安装好cuda以及anaconda相关环境了。先附上mmdetection的官方githun链接以及MMDetection 2官方文档一、创建anaconda虚拟环境conda create -n mmdetection python=3.7 #创建环境conda activate mmdetection #激活环境二、安装pytorch打开pytorch官网,查看对应的安装命令。举安装cuda10.2对应的版本为例:conda install pytorch torchvisio原创 2021-07-17 16:35:04 · 1392 阅读 · 0 评论 -
一文整理Faster R-CNN容易混淆的三次anchor筛选机制(creator)
本博客主要是基于Faster R-CNN的pytorch版本。见https://github.com/jwyang/faster-rcnn.pytorch一、了解anchorFaster R-CNN 是一种anchor-based的双阶段目标检测算法,下面先了解一下锚框anchor机制。区域候选网络(RPN:region proposal network)网络是在Faster R-CNN中被提出的,它代替了Fast R-CNN的选择性搜索,大大提高了网络的速度。一开始的anchor是一系列固定的候选原创 2021-07-17 11:53:29 · 979 阅读 · 0 评论