Gorgeous_wxd

mmdetection中anchor生成的讲解

MMDetection中使用Wandb。

MMDetection中的multi_apply的理解

将evaluation = dict(interval=1, metric='bbox')改为evaluation = dict(interval=1, metric='bbox', save_best='auto')即可。

以faster_rcnn_r50_fpn.py文件为例neck=dict( type='FPN', in_channels=[256, 512, 1024, 2048], #一般使用resnet50输出的4个特征图。4个特征图的分辨率依次为原始图片的1/4, 1/8, 1/16, 1/32，通道数依次为256，512，1024，2048。 out_channels=256, num_outs=5),整个模型结构如下图：核心代码如下：下面代码构建了上图中FPN模块中的self.latera

mmdetection中学习率的设置8 gpus、imgs_per_gpu = 2：lr = 0.02；4 gpus、imgs_per_gpu = 2：lr = 0.01；2 gpus、imgs_per_gpu = 2 ：lr = 0.005；1 gpu、imgs_per_gpu = 2 ：lr = 0.0025；设置规则你=1GPU*2img/GPU=2MMdet=8GPU*2img/GPU=16MMdet_lr=0.02你的lr=你/MMdet*MMdet_lr=0.0025.

路径：：/mmdetection/tools/train.py下面在 train_detector 上面添加print(dataset)即可。+--------------+-------+-------------+-------+-----------+-------+----------+-------+---------------+-------+| category | count | category | count | category | count | catego

数据集存放位置与格式├── coco│ ├── annotations│ ├── test2017│ ├── train2017│ └── val2017更改的配置文件./configs/_base_/default_runtime.py：决定是否启用tensorboard/mmdet/datasets/coco.py：把CLASSES的那个tuple改为自己数据集对应的种类tuple。CLASSES = ('people', 'bicycle', 'car', 'va

from argparse import ArgumentParserimport osfrom mmdet.apis import inference_detector, init_detector #, show_result_pyplotimport cv2 def show_result_pyplot(model, img, result, score_thr=0.3, fig_size=(15, 10)): """Visualize the detection results

mmdetection 默认是不开启tensorboard的，如果你想要打开，首先找到mmdetection/configs/_base_/default_runtime.py打开后log_config = dict( interval=50, hooks=[ #dict(type='TextLoggerHook'), dict(type='TensorboardLoggerHook') ])将dict(type='TextLoggerHoo

在使用mmdetecion测试的时候我们可能想得到下面的结果，其实很简单，在test.py 后面加--options "classwise=True" 即可。例如python tools/test.py ./configs/cascade_rcnn/cascade_rcnn_r101_fpn_1x_coco.py ./work_dirs/cascade_rcnn_r101_fpn_1x_coco/epoch_12.pth --out ./result/result.pkl --eval bbox --

在使用mmdetection编译的时候，要注意下面两点。python3 setup.py develop without delete the mmdet dir in Pycharm.python3 setup.py install with delete the mmdet dir in Pycharm.

from mmdet.apis import init_detector, inference_detectorimport mmcv# 指定模型的配置文件和 checkpoint 文件路径config_file = 'configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py'checkpoint_file = 'checkpoints/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth'# 根据配置文

路径：mmdetection/mmdet/core/visualization/image.py更改的地方是在imshow_det_bboxes这个函数中更改后的image.py文件# Copyright (c) OpenMMLab. All rights reserved.import matplotlib.pyplot as pltimport mmcvimport numpy as npimport pycocotools.mask as mask_utilfrom matplotli