【VisDrone|目标检测】保姆级教程：Defortable-DETR模型训练VisDrone数据集（含代码修改+训练启动+评估指标）（八）

旅途中的宽~

已于 2023-11-28 13:44:55 修改

阅读量1.2k

点赞数 20

分类专栏： VisDrone数据集各种检测算法实验（写论文）文章标签：目标检测人工智能计算机视觉 VisDrone 小目标检测

于 2023-11-28 13:44:16 首次发布

本文链接：https://blog.csdn.net/wzk4869/article/details/134665433

版权

VisDrone数据集各种检测算法实验（写论文）专栏收录该内容

15 篇文章 7 订阅 ¥99.90 ¥299.90

订阅专栏

超级会员免费看

本文档详细记录了使用Defortable-DETR模型训练VisDrone数据集的过程，包括训练配置、错误调试、权重导入以及训练效果的跟踪。在训练过程中，尽管初期效果不明显，但通过调整和优化，模型在小目标检测上的性能逐渐提升，不过最终收敛效果并不理想。

摘要由CSDN通过智能技术生成

文章目录

一、训练的基本配置
二、尝试训练DETR

一、训练的基本配置

配置环境：

python /home/wangzhenkuan/mmdetection/tools/train.py /home/wangzhenkuan/mmdetection/configs/deformable_detr/deformable-detr_r50_16xb2-50e_coco.<

了解本专栏

订阅专栏解锁全文

超级会员免费看

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

旅途中的宽~

关注关注

20
点赞
踩
10

收藏

觉得还不错? 一键收藏
打赏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

订阅专栏

手把手教程：RT-DETR如何训练自己的数据集 | NEU-DET钢材缺陷检测

会AI的学姐

11-08

7393

本文内容：1）RT-DETR原理介绍；2）RT-DETR如何训练自己的数据集

手把手带你用RT-DETR模型部署训练自己的数据集

m0_61751664的博客

03-27

3662

本文主要介绍如何部署、训练RT-DETR模型，将从两种方式进行介绍：一种是RTDETR自带的项目文件，另一种是ultralytics仓库下将训练的模型改为rtdetr的基本模型。

参与评论您还未登录，请先登录后发表或查看评论

基于RT-DETR-X的VisDrone数据集目标检测与应用

m0_63642362的博客

06-30

2357

本项目为黑客松比赛贡献产业开源项目，基于RT-DETR-X模型对航拍图像检测，满足实际应用要求

极市平台 | ECCV 2024｜DQ-DETR：第一个针对微小目标检测的DETR类模型

最新发布

csdn_xmj的博客

10-11

1089

这是第一个针对微小目标检测的DETR类模型，提出了三大创新模块：类别计数模块、计数引导的特征增强和动态查询选择模块，以提高对微小物体的检测能力。此外，论文还介绍了使用的数据集和模型训练策略，并展示了精度对比和可视化结果。

目标检测算法——Deformable DETR

weixin_43489950的博客

10-12

802

https://zhuanlan.zhihu.com/p/269619992

Swin-Transformer-Object-Detection V2.11.0 训练visdrone数据（二）

qq_41627642的博客

05-17

3909

文件结构 . ├── coco_exps ├── configs #configs主要修改的部分在这里，训练config也是从这里继承的 │ ├── albu_example │ ├── atss │ ├── _base_ #最根本的继承 │ │ ├── datasets #存在着不同数据集的训练方法，包含train_pipeline(augmentation), test_pipeline(TTA), data(batch_size, data ro

训练官方源码RT-DETR（血泪的教训！严格按照官方流程！）

孟孟单单的博客

01-15

4010

解决方法：有可能是torchvision版本过低，在pycharm终端输入。导包有种红色的，但是别管！直接运行上面的命令就能成了！在发挥作用，所以能够成功导包！

【BEV】学习笔记之 DeformableDETR(原理+代码解析)

Rex大居

01-13

4416

BEV、Deformable DETR

目标检测+PaddleDetection+rt-detr运行代码

06-28

总之，这个“PaddleDetection-develop”压缩包提供了一个实现rt-detr目标检测模型的完整代码库，通过学习和实践，你可以掌握使用PaddleDetection进行目标检测的全过程，同时深入了解DETR和rt-detr在目标检测领域的...

rt-detr目标检测+python+tensorRT推理代码

06-28

该代码实现rt-detr的部署，使用python，调用tensorRT转换后的模型，实现单张图片或者图片文件夹批量推理，代码输入图片/文件夹路径，模型路径，输出图片保存路径，运行命令python ./infer_tensorrt.py --infer_dir=....

AI：230-YOLOv8与RT-DETR的完美结合 | 重塑目标检测技术的前沿【保姆级教程】

一键难忘的博客

08-12

2642

YOLOv8 继承了 YOLO 系列的轻量化和高效性，通过优化网络架构和训练策略，实现了在主流数据集上的领先表现。然而，YOLOv8 的检测头仍采用经典的 anchor-based 设计，这在处理高密度或多尺度目标时可能存在局限性。RT-DETR 是最近提出的一种基于 Transformer 的目标检测模型，采用了一种全新的 anchor-free 设计，通过自注意力机制实现了高效的目标检测。RT-DETR 的检测头能够捕获更广泛的上下文信息，从而提高检测的准确性，尤其在处理小目标和复杂场景时表现突出。

mmdetection项目debug：deformable-detr

m0_51951660的博客

09-11

1260

源码阅读

VisDrone2018-DET-toolkit-master工具包用法以及踩坑记录（基于TPH-YOLOv5在VisDrone2019数据集上的测试）

qq_66103012的博客

06-02

1076

本文主要针对VisDrone官网发布的VisDrone2018-DET-toolkit-master工具包使用方法的介绍，其中结合了本人的目标检测模型来具体实现，希望可以对小白有所帮助

【目标检测论文阅读笔记】FE-YOLOv5: Feature enhancement network based on YOLOv5 for small object detection

weixin_43960370的博客

03-27

1193

由于其固有的特性，小目标在多次下采样后的特征表示较弱，甚至在背景中消失。FPN简单的特征拼接在信息传递中引入了不相关的上下文，进一步降低了小物体的检测性能。为了解决上述问题，我们提出了简单但有效的FE-YOLOv5。(1) 我们设计了来捕捉小目标更具辨别力的特征。全局注意力和高级全局上下文信息用于指导浅层的高分辨率特征。全局注意力与跨维度特征交互，减少信息丢失。高级上下文通过非局部网络对全局关系进行建模来补充更详细的语义信息。（2）我们设计了。

RT-DETR论文阅读笔记（包括YOLO版本训练和官方版本训练）

Snu77的博客

11-27

1万+

目标检测是一项基础的视觉任务，涉及识别和定位图像中的对象。现代目标检测器有两种典型架构：基于CNN和基于Transformer。在过去几年中，基于CNN的目标检测器进行了广泛的研究。这些检测器的架构已从最初的两阶段发展到单阶段，并出现了基于锚点和无锚点两种检测范式。这些研究在检测速度和精度方面都取得了显著进展。自从提出以来，基于Transformer的目标检测器（DETRs）因其消除了各种手工制作的组件（例如非最大抑制NMS）而受到学术界的广泛关注。

Demable-DETR部署及训练个人数据集

m0_71510432的博客

11-20

1296

使用defoemable-detr训练自己的模型，我的数据集是对飞机类别进行目标检测分类，虽然跑的通，但是效果很不好。因为是初学者具体什么原因我也不太清楚，自己摸索了几天还是比较棘手的，只会用，里面的原理，代码部分基本看不懂。观察训练日志文件，损失值是在下降，但是train_class_error错误率还是很高，个人感觉数据集过少的原因。

DQ-DETR: DETR WITH DYNAMIC QUERY FOR TINY OBJECTDETECTION 学习笔记

athrunsunny的博客

04-20

1745

此DQ-DETR与提出的同名，其主要集中于小目标的检测尽管之前的类似DETR的方法在通用目标检测中取得了成功，但在小目标检测方面仍然具有挑战性，因为目标 Query 的位置信息并未针对检测小物体进行定制，这些小物体的尺寸比一般物体小得多。此外，类似DETR的方法使用固定数量的 Query ，这使得它们不适用于只包含小物体的航空数据集，且不同图像之间的实例数量不平衡。

详解RT-DETR网络结构/数据集获取/环境搭建/训练/推理/验证/导出/部署

热门推荐

Snu77的博客

11-27

2万+

本文给大家带来是利用RT-DETR模训练自己的数据集，RT-DETR是一种新提出的目标检测模型，它利用的自注意力机制来处理图像数据。不同于YOLO通过连续的卷积层直接对图像区域进行分析，RT-DETR采用Transformer架构中的自注意力机制，这允许模型更有效地理解图像中不同部分之间的关系。这种方法使得RT-DETR在处理图像中的复杂场景和多对象环境时，能够展现出更高的准确性和效率。此外，RT-DETR在保持高精度的同时，也针对实时处理进行了优化，使其适合需要快速响应的应用场景。

DEFORMABLE DETR详解

qq_52053775的博客

08-22

2万+

transformer组件在处理图像特征图中的不足。在初始化时，注意模块对特征图中的所有像素施加了几乎一致的注意权重。长时间的训练周期是为了学习注意权重，以关注稀疏的有意义的位置。另一方面，transformer编码器中的注意权值计算是二次计算w.r.t.像素数。因此，处理高分辨率的特征映射具有非常高的计算和内存复杂性。

RE-DETR训练自己的数据集

08-28

你可以使用CSDN开发的RE-DETR模型来训练自己的数据集。首先，你需要将你的数据集转换成RE-DETR所需的格式。RE-DETR模型接受COCO数据集格式的输入数据，因此你需要确保你的数据集与COCO数据集具有相似的结构。接下来，你可以使用CSDN提供的代码示例来训练RE-DETR模型。你需要修改代码中的数据路径以匹配你自己的数据集路径，并根据需要调整其他训练参数。在训练之前，你可能还需要对数据进行预处理和增强，以提高模型的性能。这可能包括图像大小调整、数据标准化、数据增强等操作。最后，你可以使用CSDN提供的训练脚本来启动训练过程。你需要指定模型的配置文件、训练数据集路径、保存模型的路径等信息。通过逐步迭代训练和调整参数，你可以逐渐优化模型性能。请注意，RE-DETR是一个较新的目标检测模型，可能需要一些调试和优化才能得到最佳结果。建议你参考CSDN提供的文档和示例代码，并查阅相关文献和资源来深入了解和优化RE-DETR模型的训练过程。