版本环境介绍Window10VisualStudio2017python3.7cuda10.0cudnn7.6.5pytorch1.8.0torchvision0.9.0mmcv-full1.3.8项目源码下mmdet2.11.02

创建新环境(mmdet)环境：condacreate-nmmdetpython==3.7安装cudatoolkit：condainstallcudatoolkit=11.3安装cudnn：condainstallcudatoolkit

本文记录安装完mmdet后，如何进行训练和推理一、数据准备coco格式的，先用lableme将所有要处理的数据进行标注为json文件，然后通过如下脚本进行转换为coco格式，并可设置比例生成训练图片、训练标签

新建虚拟环境网络环境只能采用清华镜像源安装，在https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/中找到满足“需要的torch版本+本地cuda版本”的文件，安装该文件对应的Python版本condacreate-nmmdetpython=3.6(安装对应的Python版本)sourceactivatemmdet安装cuda（to

目录1.configs2.具体实现3.调用3.1注册3.2调用配置部分在configs/_base_/models目录下，具体实现在mmdet/models/loss目录下。

配置部分在configs/_base_/models目录下，具体实现在mmdet/models/necks目录下。1.configs我们看下yolox的neck吧。

目录1.configs2.具体实现3.调用3.1注册3.2调用配置部分在configs/_base_/models目录下，具体实现在mmdet/models/*_heads目录下。

/mmdet/datasets/voc.py此处代码改为自己数据集的类别，以及./mmdet/core/evaluation/class_names.py也需要将类别改为自己的数据集的类别。

目录1.框架结构1.1configs1.1.1训练配置1.1.2datasets1.1.3models1.1.4schedules1.1.5自定义1.2mmdet1.2.1apis1.2.2datasets1.2.3m

cudaruntimeapi:10.2cudadriverapi:10.2torch:1.8.1+cu102+py38torchvision:0.9.1+cu102+py38mmdet3d:v1.0.0rc5

运行tool/test.py时，会调用mmdet/datasets/voc.py中的evaluate()函数计算AP值，而evaluate()又是调用mmdet/core/evalution/mean_ap.py

之前写了模型和网络的创建，这里就主要写下训练过程中具体的loss,主要分为以下几部分RPN_lossbbox_lossmask_lossRPN_lossrpn_loss的实现具体定义在mmdet/models

占用率过低问题配置环境问题描述调参结果修改num_workers结论附录配置环境操作系统：Ubuntu20.04CUDA版本：10.2Pytorch版本：1.6.0TorchVision版本：0.7.0mmdet

需要改动mmdetection/mmdet/datasets/coco.py中的一行代码#307行defevaluate(self,results,metric='bbox',logger=None,jsonfile_prefix

轴向前雷达坐标系：x轴向前，y轴向左，z轴向上GPS/IMU坐标系：x轴向前，y轴向左，z轴向上（与车base_link坐标系相同）从上图可知，kitti数据集的训练集中存在5个文件夹，最后一个暂时忽略（为mmdet3d

/ELSA/det/mmdet/models/backbones/elsa/elsa_ext.cpython-37m-x86_64-linux-gnu.so:undefinedsymbol:_ZNK2at10TensorBase8data_ptrIdEEPT_v

但检测和deepsort网络换成其它网络，用的是yolov5s+识别网络，大小20M左右，我笔记本推理速度0.08s/帧）源码部分目标检测部分：源码他用的是yolov3和MMdetection这里根据MMDet

init__()`3.def_init_layers(self)4.defforward_single(self,x)总结前言RetinaHead类继承了AnchorHead类（mmdetection/mmdet

文章目录前言一、总概二、代码解读1.AnchorGenerator类2.属性@property3.gen_base_anchors方法4.gen_single_level_base_anchors方法5.grid_priors方法6.single_level_grid_priors方法7.valid_flags与single_level_valid_flags方法总结前言mmdetection/m

_make_stem_layer方法4.self.make_res_layer方法4.1ResLayer类4.2`__init__`中self.res_layers总结前言mmdetection/mmdet

文章目录前言一、FocalLoss计算原理介绍二、FocalLoss代码解读1.classFocalLoss2.defpy_focal_loss_with_prob总结前言mmdetection/mmdet

模型配置环境使用方法使用py文件训练模型使用训练好的模型做预测参考链接附录配置环境操作系统：Ubuntu20.04CUDA版本：10.2Pytorch版本：1.6.0TorchVision版本：0.7.0mmdet

win10下mmcv-full1.1.5与mmdet2.6的安装一、先贴出本人基础环境配置：Python3.6、pytorch1.6.0、cuda10.1、opencv-python-4.2.0.34（

作者|双愚编辑|汽车人原文链接：https://zhuanlan.zhihu.com/p/569189196点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心技术交流群后台回复【标定工具】获取2D检测/分割/关键点，3D点云检测分割标注工具！3D目标检测示例(fromPaddle3D)2D目标检测是一个比较成熟的领域，相关的目标检测框架非常多，比如Detect

1.mmdet的安装与配置按照官网来就好2.将数据转为COCO格式3.编写config配置文件我想使用centernet进行训练，编写如下config脚本改动的内容有：num_class此外还需要改动mmdet

问题COCO格式数据集如何在MMDetection中显示单类别AP解决方案1.进入mmdet/datasets/coco.py2.修改363行中的evaluate函数参数：classwise=True3

目录一、windows下安装mmcv1、环境准备安装git安装visualstudiocommunity2019安装conda安装对应版本的cuda和pytorch（如果cpu版本则不安装cuda)2、设置python环境3、设置MSVC编译器4、编译CUDA和CPU版本的OPs模块二、linux下安装mmcv1、知道pytorch和cuda版本安装任意版本mmcv（torch.__version

直入主题，先说解决方案：从python环境里卸载mmdet(pipuninstallmmdet-y)，删除源程序目录，重新解压项目源代码(unzipYourProject.zip)。

mmdet训练、测试centernet，经常使用框架，却对里面的参数细节研究不深入，发生严重低级错误。

SegmentingObjectsbyLocations如果对你帮助的话，希望给我个赞~文章目录SOLOhead网络结构损失函数正样本的选取1.SOLO/mmdect/models/detectors/single_stage_ins.py2.SOLO/mmdet

mmdetection-yoloxmmdetection_yolox训练流程一.注册机制二.训练代码流程【main.py和mmdet/apis/train.py】1.

今天租用线上GPU,做目标检测的测试，40964096的图片，在mmdet里设samples_per_gpu=16,12时均不能在TeslaT464上运行，samples_per_gpu=10时能够在TeslaT4

CenterPoint工程复现注意：本文中使用版本：BEVerse工程下的mmdet3d(MMDet3dv0.17.3)版本，MMDetection3D中其他版本的使用大同小异。

MMDeploy主要特性：(1).支持超多OpenMMLab算法库，如mmcls、mmdet、mmseg、mm

文章目录前言一、总概二、代码解读1.FPN类2.defforward总结前言mmdetection/mmdet/models/necks/fpn.py中FPN类的个人理解与解读。

x86_64-linux-gnu-gcc-pthread-Wno-unused-result-Wsign-compare-DNDEBUG-g-fwrapv-O2-Wall-g-fstack-protector-strong-Wformat-Werror=format-security-g-fwrapv-O2-fPIC-I/usr/local/lib/python3.8/dist-packages/

DEBUG:无法安装mmdet包问题解决问题安装包失败手动安装解决gitclonehttps://github.com/open-mmlab/mmdetection.gitcdmmdetectionpipinstall-rrequirements

前言本教程适合对象：已经根据mmdet官方教程亲自安装过一遍的同学。

记录一下自己在安装mmlab中的mmdet库遇到的问题，直接使用pipinstallmmdet报错如下:ERROR:Couldnotbuildwheelsforpycocotools,whichisrequiredtoinstallpyproject.toml-basedprojects

前言本文主要是自己在阅读mmdet中DeformableDetr的源码时的一个记录，如有错误或者问题，欢迎指正deformableattention的流程首先zq即为objectquery,通过一个线性层

1.首先我们给出比较官方一些的代码，具体就是mmdet中的py_sigmoid_focal_loss函数。

请先在目录：mmd2.17\mmdet\models\detectors中查看你所训练的detectors是基于哪个基类来实现的，比如以新出的基于transf

anchor可视化在目录：mmdet\models\dense_heads\anchor_head就可以可视化anchor，插入位置为：anchor_list,valid_flag_list=self.get_anchors

1.下载两个文件，一会上传（先备份一下自己的环境，防止后续出错）2.将vis_cam.py文件放到demo这个目录中3.将det_cam_visualizer.py文件放到mmdet\utils\目录中

mmdet

mmdet3d+win11+Debian子系统不想安装双系统，又馋windows的UI，还需要linux的生产力，毕竟很多代码暂时只支持linux。

/tools/train.py",line234,inmaintrain_model(File"/opt/data/private/mmdetection3d/mmdet3d/apis/train.py

2022年5月20日22点29分2.学习mmdet框架复现的ORCNN是基于obbdetection框架的，他是基于mmdetection的，要魔改，就要先学会怎么改这个框架。

MMDetection3Dmmdetection3d/tools/train.pytrain_model()mmdetection3d/mmdet3d/api/train.pytrain_detector

安装新版mmdetection（mmdet=2.25.0,mmcv=1.5.3）报错。