mmdet 基础

最新推荐文章于 2024-09-13 22:01:30 发布

Crazy - ?

最新推荐文章于 2024-09-13 22:01:30 发布

阅读量188

点赞数

文章标签：深度学习人工智能目标检测

本文链接：https://blog.csdn.net/weixin_46310125/article/details/128940450

版权

本文介绍了OpenMMLab旗下的MMDetection（MMDet）框架，包括其代表性的目标检测算法如Faster RCNN、YOLO和DETR等，并详细阐述了MMDet的安装流程和使用方法，如配置文件的查找和权重下载，特别强调了在命令行查找文件时要注意处理空格的方式。

摘要由CSDN通过智能技术生成

OpenMMLab 学习三: MMDet 使用

MMDet

在这里插入图片描述

算法代表

两阶段算法：Faster RCNN

一阶段算法：YOLO （更多yolo迁移至MMYOLO）

级联算法：Cascade RCNN

无锚框算法：FCOS

Transformer：DETR

安装流程

类似于MMCls

!git clone https://github.com/open-mmlab/mmdetection.git
!cd mmdetection
!mim install -e . # pip install -e .

算法流程

一阶段算法

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

Crazy - ?

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

工作汇报格式 mmdet3d

01-23

1. **3D目标检测基础**：介绍3D目标检测的概念、应用场景，如自动驾驶、无人机监控、虚拟现实等。 2. **MMDetection3D框架**：详述MMDet3D的设计理念、主要功能，包括支持的3D检测算法，如Point Pillars、 SECOND、...

mmdet框架理解

ydestspring的博客

02-16

755

mmdet框架顶层简易理解。

参与评论您还未登录，请先登录后发表或查看评论

使用DETR模型训练自己的数据集过程记录

weixin_43788752的博客

04-13

3196

利用DETR模型训练自己数据集的过程记录（使用linux环境）

mmdetection学习笔记（二）配置文件详解

senxi7760的博客

04-17

2032

配置文件详解四项基础配置1. _base_/datasets2. _base_/models3. _base_/schedules4. _base_/default_runtime.py基于基础配置的完整配置1. 继承2. 继承并修改3. 忽略基础配置的某些字段其它（关于源码）1. mask标注信息的读取2. 数据类别的加载逻辑本文不涉及mmdetection的环境安装，主要记录一下自己在学习mmdetection时的心得体会。如有错误，欢迎大家在评论区指正。四项基础配置 config/_base.

win10下使用mmdet训练自己的数据模型

weixin_38226321的博客

08-24

2267

win10下使用mmdet训练自己的数据模型1.环境配置2.制作自己的coco数据集3.进行训练 1.环境配置 1.查看自己cuda版本： 2.查看自己python版本 3.安装pytorch 官方地址，按自己的选择复制粘贴到自己的python虚拟环境中。安装完之后在自己的虚拟环境中打开python，输入import torch，如果没有报错，说明自己的pytorch安装成功。 4.安装mmcv和mmdet 在自己虚拟环境中输入pip install mmcv（或者pip install mmcv-fu

mmdet阅读笔记

寂寞的小乞丐

07-08

836

不清楚可以点击查看 mmdet 后续陆续增加源码注释 -- mmdetection.configs注意： _base_里面的文件都是基础的配置，后面的配置文件调用之后可以修改，以后面的为准 configs/base/dataset: 基础数据的配置文件 configs/base/models: 基础模型的配置文件 configs/base/schedules: 基础超参数的配置文件 co...

MMdet 网络集简介

一碗白开水一

11-02

7944

mmdet网络简介： [RPN]：采用select-search的方法生成候选框，并将每个候选框送入网络，并做分类，其计算量大。 [Fast R-CNN]：在RPNj基础上引入ROI pooling算法。 [Faster R-CNN]：在Fast-rcc基础上引入RPN算法。 [Mask R-CNN]：在 Faster R-CNN基础上引入ROI-aliment算法。 [Cascade R-CNN]：采用了Cascade的骨架模型，使算法更高效。 [Cascade Mask R-CNN]：融

基于mmcv和mmdet的yolov8

05-03

mmcv是美团开源的一个全面、高效的计算机视觉基础库，它提供了大量的CV模块，包括数据处理、模型构建、训练和推理等。mmcv致力于简化深度学习模型的开发流程，使得研究者和开发者可以更专注于模型的创新和优化，而...

Aerial_mmdet_目标检测_fastrcnnobb_旋转目标检测_遥感图像目标检测_

09-28

在"FASTRCNN_OBB_Aerial_mmdet"项目中，MMDetection作为基础平台，使得开发者可以方便地集成和优化FASTRCNN_OBB算法，同时利用MMDetection的高效训练和评估机制，提升模型性能。四、项目实现与优化项目提供的...

基于mmcv和mmdet的yolov8的python源码+文档说明

03-20

基于mmcv和mmdet的yolov8的python源码+文档说明 - 不懂运行，下载完可以私聊问，可远程教学该资源内项目源码是个人的毕设，代码都测试ok，都是运行成功后才上传资源，答辩评审平均分达到96分，放心下载使用！ 1、该...

c++工程+图像分割预测+mmdet+实例分割+最新工程+简洁易懂+新手学习

04-28

尤其适合那些已有MMDet模型基础，希望将其应用到实际产品或项目中，但对模型部署到生产环境尚不熟悉的用户。【适用场景】该资源适用于需要在服务器端或嵌入式设备上实现高效、实时物体检测与分割的场景，例如视频...

mmdetection代码解析（1）train.py

洪流之源

07-29

8155

#coding=utf-8 from __future__ import division import argparse import os from mmcv import Config from mmdet import __version__ from mmdet.datasets import get_dataset from mmdet.apis import (train_d...

基于深度学习的多模态信息检索

weixin_42605076的博客

09-13

881

基于深度学习的多模态信息检索技术，通过多模态特征的提取、融合和匹配，实现了从多种数据模态中进行高效检索的能力。随着深度学习技术的不断进步，特别是注意力机制和变换器架构的应用，多模态信息检索将在多个领域展现出更广泛的应用前景和潜力。

CNN中的conv

最新发布

weixin_48060069的博客

09-13

212

conv1是指神经网络中的第一个卷积层，它通常用于从输入数据中提取初步的特征。通过定义适当的卷积核大小、步长和填充，conv1层可以有效地处理输入数据，并生成有用的特征图。

机器学习--卷积神经网络（包括python实现）

ID246783的博客

09-13

498

首先我们要知道channel是什么意思，。我们来举个例子，在计算机视觉中，如果一张图片是黑白的，那么每个像素点都是有一个信息也就是这个像素点的灰度。但是对于一张彩色图片来说，每个像素点都是由三个信息叠加而成的，也就是RBG三个颜色的“灰度”。于是我们对黑白照片操作变成矩阵的时候，我们就会直接将灰度拿来用，把它变成一个二维的矩阵。而对于彩色照片来说，我们就会建立一个高为3的三维张量来存储这个图片。这里的所谓“高度3”就是我们的channel。

深度学习：入门简介

纸上得来终觉浅

09-13

506

深度学习：入门简介

如何通过深度学习实践来理解深度学习的核心概念

xw555666的博客

09-13

492

通过深度学习实践可以更好地理解其核心概念，因为理论知识在实际应用中会面临复杂性和挑战。通过实践，不仅可以加深对深度学习概念的理解，还能发现理论与实际之间的差距，进而对模型进行改进和优化。实践中遇到的问题（如梯度消失、过拟合、训练效率低等）能促使你深入思考，进而更加全面地掌握深度学习的核心概念。

深度学习-目标检测(一)-R-CNN

m0_73426548的博客

09-10

810

目标检测的暴力方法是从左到右、从上到下滑动窗口，利用分类识别目标。为了在不同观察距离处检测不同的目标类型，我们使用不同大小和宽高比的窗口。如下图所示：这样就变成每张子图片输出类别以及位置，变成分类问题。但是滑动窗口需要初始设定一个固定大小的窗口，这就遇到了一个问题，有些物体适应的框不一样，所以需要提前设定K个窗口，每个窗口滑动提取M个，总共K x M 个图片，通常会直接将图像变形转换成固定大小的图像，变形图像块被输入 CNN 分类器中，提取特征后，我们使用一些分类器识别类别和该边界框的另一个线性回归器。这

LSTM处理时序数据：深入解析与实战

异构算力老群群（在读985计算机博士生）的技术博客

09-10

988

LSTM，全称为Long Short-Term Memory，是一种特殊的RNN结构，旨在解决传统RNN在处理长序列时容易出现的梯度消失或爆炸问题。LSTM通过引入“门”机制和细胞状态，使得网络能够更好地保留长期记忆。

mmcv mmdet

06-10

MMCV (Multi-modal Multi-task Learning CV) 和 MMDetection (Multi-Modal MMDetection) 是两个由中国阿里云团队开源的知名计算机视觉库。MMCV是一个通用的深度学习工具包，它提供了大量的数据处理、模型训练和评估的工具，支持多种计算机视觉任务，包括图像分类、目标检测、分割等。 MMDetection则是基于MMCV的一个专门用于目标检测领域的子项目，它集成了最先进的目标检测算法，并且设计得易于扩展和定制。MMDetection支持多种流行的检测模型，如Faster R-CNN、Mask R-CNN、YOLO、CenterNet等，同时还提供了对多模态数据（比如RGB图像、深度图、点云等）的支持。使用MMDetection，开发者可以快速搭建和训练目标检测模型，并且可以方便地调整和优化模型性能。