【复现笔记】YOLO-6D复现

weixin_54470372

已于 2024-04-25 20:18:46 修改

阅读量268

点赞数

分类专栏： 6D姿态估计文章标签：笔记

于 2023-05-24 18:44:08 首次发布

本文链接：https://blog.csdn.net/weixin_54470372/article/details/130658105

版权

6D姿态估计专栏收录该内容

8 篇文章 2 订阅

订阅专栏

源代码链接：https://github.com/microsoft/singleshotpose

github仓库所使用的系统为windows。
（The code is tested on Windows with CUDA v8 and cudNN v5.1. The implementation is based on PyTorch 0.4.1 and tested on Python3.6.）
ubuntu下的操作基本相同，srds还是记录一下。

系统版本：ubuntu20.04
gpu：2060（12g）
cuda版本：11.7

1、下载代码

git clone https://github.com/microsoft/singleshotpose.git

2、配置环境

与densefusion基本相同，只是额外下载了scipy1.2.1和pillow

pip install scipy==1.2.1 pillow

其他python库详情可看：【未完全解决】【复现笔记】DenseFusion_densefusion复现 typeerror: load() missing 1 required-CSDN博客
具体环境配置版本如下：

(densefusion) r***@r***-MS-*****:~/**********/singleshotpose$ pip list
Package               Version
--------------------- ------------
argon2-cffi           21.3.0
argon2-cffi-bindings  21.2.0
async-generator       1.10
attrs                 22.2.0
backcall              0.2.0
bleach                4.1.0
certifi               2021.5.30
cffi                  1.15.1
comm                  0.1.4
cycler                0.11.0
Cython                0.19
dataclasses           0.8
decorator             4.4.2
defusedxml            0.7.1
entrypoints           0.4
future                0.18.3
imageio               2.15.0
importlib-metadata    4.8.3
importlib-resources   5.4.0
ipykernel             5.5.6
ipython               7.16.3
ipython-genutils      0.2.0
ipywidgets            7.8.1
jedi                  0.17.2
Jinja2                3.0.3
joblib                1.1.1
jsonschema            3.2.0
jupyter-client        7.1.2
jupyter-core          4.9.2
jupyterlab-pygments   0.1.2
jupyterlab-widgets    1.1.7
kiwisolver            1.3.1
knn-pytorch           0.1
MarkupSafe            2.0.1
matplotlib            3.3.4
mistune               0.8.4
mkl-fft               1.3.0
mkl-random            1.1.1
mkl-service           2.3.0
nbclient              0.5.9
nbconvert             6.0.7
nbformat              5.1.3
nest-asyncio          1.6.0
networkx              2.5.1
notebook              6.4.10
numpy                 1.19.5
olefile               0.46
open3d                0.9.0.0
opencv-contrib-python 3.3.0.10
opencv-python         3.3.0.10
packaging             21.3
pandocfilters         1.5.1
parso                 0.7.1
pexpect               4.9.0
pickleshare           0.7.5
Pillow                8.4.0
pip                   21.2.2
prometheus-client     0.17.1
prompt-toolkit        3.0.36
ptyprocess            0.7.0
pycparser             2.21
Pygments              2.14.0
pykdtree              1.3.4
pyparsing             3.0.7
pypng                 0.20220715.0
pyrsistent            0.18.0
python-dateutil       2.8.2
PyWavelets            1.1.1
PyYAML                5.4.1
pyzmq                 25.1.2
scikit-image          0.17.2
scikit-learn          0.24.2
scipy                 1.2.1
Send2Trash            1.8.2
setuptools            58.0.4
six                   1.16.0
terminado             0.12.1
testpath              0.6.0
threadpoolctl         3.1.0
tifffile              2020.9.3
torch                 1.6.0
torchvision           0.7.0
tornado               6.1
tqdm                  4.64.1
traitlets             4.3.3
trimesh               2.38.24
typing_extensions     4.1.1
wcwidth               0.2.13
webencodings          0.5.1
wheel                 0.37.1
widgetsnbextension    3.6.6
zipp                  3.6.0

3、下载数据集

wget -O LINEMOD.tar --no-check-certificate "https://onedrive.live.com/download?cid=05750EBEE1537631&resid=5750EBEE1537631%21135&authkey=AJRHFmZbcjXxTmI"
wget -O backup.tar --no-check-certificate "https://onedrive.live.com/download?cid=0C78B7DE6C569D7B&resid=C78B7DE6C569D7B%21191&authkey=AP183o4PlczZR78"
wget -O multi_obj_pose_estimation/backup_multi.tar --no-check-certificate  "https://onedrive.live.com/download?cid=05750EBEE1537631&resid=5750EBEE1537631%21136&authkey=AFQv01OSbvhGnoM"
wget https://pjreddie.com/media/files/VOCtrainval_11-May-2012.tar
wget https://pjreddie.com/media/files/darknet19_448.conv.23 -P cfg/
tar xf LINEMOD.tar
tar xf backup.tar
tar xf multi_obj_pose_estimation/backup_multi.tar -C multi_obj_pose_estimation/
tar xf VOCtrainval_11-May-2012.tar

部分数据集过期，该博主有备份，感谢：ubuntu18.04下复现 singleshotpose（yolo-6D）源代码复现_yolo6d复现-CSDN博客
解压后如下（打码是我自己添加的文件，非github仓库自带内容，backup压缩包过大，只取了我自己需要的物体）

4、训练

（1）单个物体

python train.py --datacfg [path_to_data_config_file] --modelcfg [path_to_model_config_file] --initweightfile [path_to_initialization_weights] --pretrain_num_epochs [number_of_epochs to pretrain]

如

#start from darknet
python train.py --datacfg cfg/ape.data --modelcfg cfg/yolo-pose.cfg --initweightfile cfg/darknet19_448.conv.23 --pretrain_num_epochs 15

#start from ImageNet initialized weights
python train.py --datacfg cfg/ape.data --modelcfg cfg/yolo-pose.cfg --initweightfile backup/duck/init.weights

（2）多个物体

python valid_multi.py cfgfile weightfile

python train_multi.py datafile cfgfile weightfile

如

python valid_multi.py cfg/yolo-pose-multi.cfg backup_multi/model_backup.weights

python train_multi.py cfg/occlusion.data cfg/yolo-pose-multi.cfg backup_multi/init.weights

5、测试

（1）单个物体：

python valid.py --datacfg [path_to_data_config_file] --modelcfg [path_to_model_config_file] --weightfile [path_to_trained_model_weights]

如

python valid.py --datacfg cfg/ape.data --modelcfg cfg/yolo-pose.cfg --weightfile backup/ape/model_backup.weights

（2）多个物体

python valid_multi.py cfgfile weightfile

如

python train_multi.py cfg/occlusion.data cfg/yolo-pose-multi.cfg backup_multi/init.weights

6、结果可视化并保存

作者提供了可视化代码valid.ipynb。不希望用jupyter，故将其转为py文件：

jupyter nbconvert --to script valid.ipynb --output visualize1.py

运行：

ipython visualize1.py

这里标出可视化代码部分：

上图加入了保存为png图片的部分，可据图片手动修改。visualize1.py代码文件可由以下链接下载
https://download.csdn.net/download/weixin_54470372/89219222

weixin_54470372

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
【复现笔记】YOLO-6D复现

解压后如下（打码是我自己添加的文件，非github仓库自带内容，backup压缩包过大，只取了我自己需要的物体）上图加入了保存为png图片的部分，可据图片手动修改。visualize1.py代码文件可由以下链接下载。作者提供了可视化代码valid.ipynb。
复制链接

扫一扫