【七班】MMPose代码实践与耳朵穴位数据集实战【OpenMMLab AI实战营第二期Day3+作业1】

Update

0. 关键词:

物体检测,姿态估计,MMPose,RTMPose,RTMDet,openmmlab,mmdet

1. 数据集下载和解压与验收任务

三角板数据

# 删除原有的数据集文件(如有)

!rm -rf data/Triangle_215_Keypoint_coco data/Triangle_215_Keypoint_coco.zip # 下载数据集压缩包

!wget https://zihao-download.obs.cn-east-3.myhuaweicloud.com/yolov8/datasets/Triangle_215_Dataset/Triangle_215_Keypoint_coco.zip -P data !unzip data/Triangle_215_Keypoint_coco.zip -d data >> /dev/null # 解压压缩包

# !rm -rf data/Triangle_215_Keypoint_coco.zip # 删除压缩包

!mkdir data/test_triangle

# 图像-30度直角三角板,拍摄:同济子豪兄、田文博

!wget https://zihao-openmmlab.obs.myhuaweicloud.com/20220610-mmpose/triangle_dataset/test_img/triangle_1.jpg -P data/test_triangle

!wget https://zihao-openmmlab.obs.myhuaweicloud.com/20220610-mmpose/triangle_dataset/test_img/triangle_2.jpg -P data/test_triangle

!wget https://zihao-openmmlab.obs.myhuaweicloud.com/20220610-mmpose/triangle_dataset/test_img/triangle_3.jpg -P data/test_triangle

!wget https://zihao-openmmlab.obs.myhuaweicloud.com/20220610-mmpose/triangle_dataset/test_img/triangle_4.jpg -P data/test_triangle

# 视频-30度直角三角板,拍摄:同济子豪兄,田文博

!wget https://zihao-openmmlab.obs.myhuaweicloud.com/20220610-mmpose/triangle_dataset/videos/triangle_6.mp4 -P data/test_triangle

!wget https://zihao-openmmlab.obs.myhuaweicloud.com/20220610-mmpose/triangle_dataset/videos/triangle_7.mp4 -P data/test_triangle

!wget https://zihao-openmmlab.obs.myhuaweicloud.com/20220610-mmpose/triangle_dataset/videos/triangle_9.mp4 -P data/test_triangle

耳朵穴位关键点检测数据集

MS COCO格式,划分好了训练集和测试集,并写好了样例config配置文件

链接:百度网盘 请输入提取码提取码: 741p 标注人:张子豪、田文博

【七班】MMPose代码实践与耳朵穴位数据集实战【OpenMMLab AI实战营第二期Day3+作业1】_第1张图片

验收任务题目:基于RTMPose的耳朵穴位关键点检测

背景:

根据中医的“倒置胎儿”学说,耳朵的穴位反映了人体全身脏器的健康,耳穴按摩可以缓解失眠多梦、内分泌失调等疾病。耳朵面积较小,但穴位密集,涉及耳舟、耳轮、三角窝、耳甲艇、对耳轮等三维轮廓,普通人难以精准定位耳朵穴位。

任务

  • 1.Labelme标注关键点检测数据集

  • 2.划分训练集和测试集

  • 3.Labelme标注转MS COCO格式

  • 4.使用MMDetection算法库,训练RTMDet耳朵目标检测算法,提交测试集评估指标

  • 5.使用MMPose算法库,训练RTMPose耳朵关键点检测算法,提交测试集评估指标

  • 6.用自己耳朵的图像预测,将预测结果保存

  • 7.用自己耳朵的视频预测,将预测结果保存

【4-7任务完成提交】 提交测试集评估指标(不能低于baseline指标的50%) 并使用训练的模型对自己的数据进行预测并保存呈现结果(可采用notebook或者输出图片和视频的形式呈现)。

【参考提交方法和格式】 【提交链接】issue 24 comment 【作业目录】2.Basic_mmdet3.x_V2

PS:任务1,2,3,示例代码作者子豪兄已经提供

目标检测Baseline模型(RTMDet-tiny)

【七班】MMPose代码实践与耳朵穴位数据集实战【OpenMMLab AI实战营第二期Day3+作业1】_第2张图片

关键点检测Baseline模型(RTMPose-s)

【七班】MMPose代码实践与耳朵穴位数据集实战【OpenMMLab AI实战营第二期Day3+作业1】_第3张图片

2. 实验环境创建和检查

# # python,envs, pytorch, torchvision 
conda create --name openmmlab-pose python=3.8 -y 
​​​​​​​conda activate openmmlab-pose

执行教程里的代码前最好使用cuda重新创建一个新环境

cuda版本可以和自己gpu驱动版本对应, python版本建议3.8,有3.9版本遇到难以解决的bug的

剩下的操作,完全可以参考教程里的解释,一路点run就可以得到结果了,

3. 一些需要注意的点

  1. jupyter notebook中的!是执行命令行的意思,所以可以酌情在terminal中执行,注意使用cd命令修改当前文件夹

  2. 我更加推荐jupyterlab,比notebook更好用,安装命令pip install jupyterlab

你可能感兴趣的:(数学建模,人工智能,计算机视觉)