【代码阅读】Part-A^2 Net 代码

最新推荐文章于 2024-05-21 12:24:27 发布

麒麒哈尔

最新推荐文章于 2024-05-21 12:24:27 发布

阅读量1.7k

点赞数 1

分类专栏：代码阅读

本文链接：https://blog.csdn.net/wqwqqwqw1231/article/details/106316196

版权

本文记录了Part-A2 Net的代码学习过程，包括安装步骤、数据预处理、模型结构和训练细节。在安装过程中遇到spare-conv的问题，需要安装libboost-all-dev。数据预处理涉及转换相机坐标系到LiDAR坐标系。在训练中，重点介绍了PartA2Net的网络结构，包括VFE、RPN、RPN Head和RCNN。前向计算过程涉及forward_rpn、forward_rcnn和get_training_loss函数。测试阶段与训练类似，但没有损失计算，最终通过NMS得到预测结果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前一段时间Part-A2的代码公布了，这里就记录一下自己的学习过程。
github代码仓库：传送门
对文章的解读：传送门

安装

其中，spare-conv安装起来有点难度。具体可以参考一篇SECOND的安装的博客，相比于在spare-conv的github中的安装介绍，我采坑的一点是要安装：
sudo apt-get install libboost-all-dev
否则会编译失败。还有就是scikit-image安装时出现错误，更新pip也许可以解决，参考另外一篇博客。

数据预处理

要求运行一下：

python kitti_dataset.py create_kitti_infos

这就看一下这个干了些什么：

# pcdet\datasets\kitti\kitti_dataset.py
def create_kitti_infos(data_path, save_path, workers=4):
    ...
    print('---------------Start to generate data infos---------------')

    dataset.set_split(train_split)
    kitti_infos_train = dataset.get_infos(num_workers=workers, has_label=True, count_inside_pts=True)
    with open(train_filename, 'wb') as f:
        pickle.dump(kitti_infos_train, f)
    print('Kitti info train file is saved to %s' % train_filename)
    .

最低0.47元/天解锁文章