![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
目标检测
文章平均质量分 77
L闰土
保持心情平静,保持好奇
展开
-
MMdetection安装教程
到此为止,mmdet3.3所需要的mmcv、cuda和torch版本都确定好了,接下来就是根据mmdet官网提供的安装教程进行安装即可。官方教程的安装顺序跟我们确定版本的顺序是相反的,即官方首先建议创建虚拟环境并安装pytorch和cuda,然后安装mmcv,最后安装mmdet,但是这种顺序往往会出现各个包版本兼容性问题,因此建议首先根据本文提供的思路确定各个包的版本,再根据官方教程进行安装。查找本地设备支持的torch和cuda的版本(如下图所示),其中v1.13.1是torch的版本。原创 2024-03-02 16:26:34 · 911 阅读 · 6 评论 -
MMdetection中Backbone的实现-ResNet50
ResNet50的源码路径为mmdet/models/backbones/resnet.py。1文件整体结构1.1BasicBlock原创 2022-05-06 16:20:10 · 1564 阅读 · 2 评论 -
MMCV-Registry类代码详解(1)
目录1.功能简介2.初始化函数参数说明:构造函数优先级:2.1self.infer_scope()方法2.2_add_children()方法源码在工程中的路径为mmcv/utils/registry.py,可对照源码阅读本文。1.功能简介简单地说,Registry类实现了字符串到类的一种映射。目的是仅使用字符串(例如某个模型的名字)来方便快捷地创建一个类实例。源码注释中给了这么一个例子:"""Example: >>> MOD原创 2022-03-30 15:38:38 · 1961 阅读 · 0 评论 -
MMdetection中backbone的实现-MobileNetV2
以MobileNet_V2为例,看一下在mmdet中backbone是如何实现的,在此之前需要对MobileNet_V2的架构有所了解,可参考MobileNet教程。一、整体框架源码路径为mmdet/models/backbones/mobilenet_v2.py,代码内容及粗略注释如下:# Copyright (c) OpenMMLab. All rights reserved.import warningsimport torch.nn as nnfrom mmcv.cnn impo原创 2022-03-29 15:02:45 · 7647 阅读 · 4 评论 -
MMdetection3.3使用技巧
先来看用训练好的checkpoint文件跑test.py脚本的输出结果最下方会输出一个有序字典OrderedDict,我们可以指定相关的键来保存最好的模型。需要的操作就是在配置文件中进行如下修改:evaluation = dict(interval=1, metric='bbox', save_best='auto')save_best用于指定对应的键,'auto'是指保留第一个键对应最大值的checkpoint文件,即'bbox_mAP'(对应coco评价指标的第一行),也可以指定s原创 2022-03-25 11:19:02 · 7058 阅读 · 2 评论 -
MMdetection-教程5:自定义运行设置
目录自定义优化设置自定义pytorch支持的优化器自定义自主实现的优化器1.定义一个新的优化器2.添加优化器到注册表3.在配置文件中指定优化器自定义优化器构造函数(optimizer constructor)其他设置自定义训练策略(training schedules)自定义工作流(workflow)自定义钩子(hooks)定义自主实现的钩子使用MMCV实现的钩子修改默认的runtime钩子自定义优化设置(optimization settin翻译 2022-03-16 20:29:34 · 2742 阅读 · 0 评论 -
MMCV-Registry
目录什么是注册表实例自定义构造函数多层级注册表MMCV通过操作注册表实现对例如backbone,head和necks等在检测器中拥有相似功能的模块的管理。OpenMMLab中的很多工程通过使用注册表来管理数据集和模型中的模块。什么是注册表在MMCV中,注册表可被当做类到字符串的一种映射。这些被包含在单个注册表中的类通常有类似的API,但是执行不同的算法或者支持不同的数据集。有了注册表,用户可以通过其对应的字符串来查询和实例化类,并且使用他们所想使用的实例化模块。典型的例子就是翻译 2022-03-16 10:50:29 · 1718 阅读 · 0 评论 -
目标检测中的常见指标
最近在做一个目标检测的练习项目——阿里天池的宫颈癌检测初赛任务,用了MMDetection中自带的Faster RNN网络,好不容易把网络跑通,但是测试网络的时候发现自己看不懂评价指标...在此将相关的评价指标及其含义记录一下,供自己和其他初学者参考。1.TP(True Positive):IoU>0.5的检测框数量(同一Ground Truth只计算一次)。2.FP(False Positive):IoU<=0.5的检测框数量(或者是检测到同一个GT的多余检测框的数量)...原创 2021-09-22 21:00:47 · 1181 阅读 · 0 评论 -
制作自己的COCO格式数据集,附代码!
最近做了一个细胞检测的练习项目。之前的思路是参考其他大神的代码,后来发现其他人的代码有很多自定义的内容,包括读取的数据格式等等,小白表示看不懂所以改变思路,用最简单的方法——选择mmdetection2.0中自带的Faster RNN网络进行训练。但是网络对数据格式有要求,有VOC、COCO等几种格式,我选择了COCO格式。一、COCO2017数据集格式COCO_ROOT #根目录 ├── annotations # 存放json格式的标注 │ ...原创 2021-09-25 20:12:26 · 21066 阅读 · 39 评论