FCOS3D：Fully Convolutional One-Stage Monocular 3D Object Detection 论文代码训练与测试

环境配置（Linux）

创建虚拟环境

conda create -n open-mmlab python=3.8 -y

激活环境

conda activate open-mmlab

 安装pytorch

pip install torch==1.8.0+cu111 torchvision==0.9.0+cu111 torchaudio==0.8.0 -f https://download.pytorch.org/whl/torch_stable.html

安装MMdetection3D

pip install openmim          
mim install mmcv-full
mim install mmdet            
mim install mmsegmentation
mim install mmengine

 克隆编译MMdetection3D

git clone https://github.com/open-mmlab/mmdetection3d.git
cd mmdetection3d
pip install -e .

 nuscenes数据准备，这里用的是mini版本

cd mmdetection3d/data/
mkdir nuscenes
cd nuscenes
wget https://www.nuscenes.org/data/v1.0-mini.tgz  
tar -xf v1.0-mini.tgz
pip install nuscenes-devkit &> /dev/null

生成的数据格式如下

mmdetection3d
├── mmdet3d
├── tools
├── configs
├── data
│   ├── nuscenes-mini
│   │   ├── maps
│   │   ├── samples
│   │   ├── sweep
|   |   ├── v1.0-mini 

然后将v1.0-mini重命名为v1.0-trainval。

数据转换，生成pkl文件

首先将mmdetection3d/tools/create_data.py文件的内容注释如下

    elif args.dataset == 'nuscenes' and args.version != 'v1.0-mini':
        train_version = f'{args.version}-trainval'
        nuscenes_data_prep(
            root_path=args.root_path,
            info_prefix=args.extra_tag,
            version=train_version,
            dataset_name='NuScenesDataset',
            out_dir=args.out_dir,
            max_sweeps=args.max_sweeps)
 
        """
        test_version = f'{args.version}-test'
        nuscenes_data_prep(
            root_path=args.root_path,
            info_prefix=args.extra_tag,
            version=test_version,
            dataset_name='NuScenesDataset',
            out_dir=args.out_dir,
            max_sweeps=args.max_sweeps) 
        """

然后运行下面的命令，生成pkl文件

python tools/create_data.py nuscenes --root-path ./data/nuscenes --out-dir ./data/nuscenes --extra-tag nuscenes --workers 20

模型训练

# 多卡训练
CUDA_VISIBLE_DEVICES=0,1 tools/dist_train.sh configs/fcos3d/fcos3d_r101-caffe-dcn_fpn_head-gn_8xb2-1x_nus-mono3d.py 2
 
# 单卡训练
CUDA_VISIBLE_DEVICES=0 tools/dist_train.sh configs/fcos3d/fcos3d_r101-caffe-dcn_fpn_head-gn_8xb2-1x_nus-mono3d.py 1

 训练文件默认保存至 /mmdetection3d/work_dirs/fcos3d_r101-caffe-dcn_fpn_head-gn_8xb2-1x_nus-mono3d文件夹中。

模型测试

python tools/test.py configs/fcos3d/fcos3d_r101-caffe-dcn_fpn_head-gn_8xb2-1x_nus-mono3d.py work_dirs/fcos3d_r101-caffe-dcn_fpn_head-gn_8xb2-1x_nus-mono3d/epoch_12.pth --show --show-dir ./outputs/fcos3d/

 注：可能是因为mini数据集准备的时候没有test数据，所以最后的测试结果没有输出，也请各位大佬多多指点！（环境配置部分没有问题，把数据集替换成nuscenes数据集完整版也是通用的，最后的结果也是可以输出的。需要把前面的注释bu'f）

参考资料

【MMDetection3D】基于单目（Monocular）的3D目标检测入门实战

mmdetection3d-之（一）--FCOS3d训练nuscenes-mini数据集

（一）MMDetection3D环境配置