MMDetection 第21页

用 OpenMMLab 轻松搭建主干网络，多种视觉任务一网打尽

针对每一个具体的任务，我们都提供了一个相应的算法库，如用于分类任务的MMClassification，用于检测任MMDetection和用于分割任务的MMSegmentation等等。

OpenMMLab·2022-06-09 07:55

是时候该学会 MMDetection 进阶之非典型操作技能（一）

冻结特定层解决办法2如何在训练中优雅地使用多张图数据增强3如何在训练中实时调整数据预处理流程以及切换loss3.1Dataloader在开启多进程下无法实时修改内部属性解决办法4总结前言大家好，今天我们将开启全新的MMDetection

OpenMMLab·2022-06-09 07:25

mmdetection训练voc数据集

首先需要准备好数据集，这里有xml标签数据转voc数据集格式的说明以及免费分享的数据集：xml转voc数据集-一届书生-博客园(cnblogs.com)1.准备工作目录我们的工作目录，也就是mmdetection

一届书生#·2022-06-09 07:25

快速上手mmdetection训练自己的数据集

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言一、MMdetection目录结构二、使用步骤1.准备数据集2.训练自己的数据集3.训练总结前言mmdetection学习记录一

chuchumoe·2022-06-09 07:54

MMDetection训练自己的数据集过程

接着前一篇MMDetection亲测安装教程，安装好后就来尝试训练自己的数据集吧，以训练RetinaNet模型为例说明。

m0_67392661·2022-06-09 07:50

mmdetection训练自己的数据集

文章目录前言一、mmdetection的1.准备1.导入自己的coco数据集2.修改3.训练4.数据分析5.测试模型二、遇到的问题1.FileNotFoundError:[Errno2]Nosuchfileordirectory

糖炒Li儿·2022-06-09 07:48

MMdetection训练自己的数据集（win10）

一、准备数据集mmdetection默认使用coco数据集，这里我的原始数据集为PascalVOC格式，先进行数据集转换。各种数据转换项目里边都有现成的代码。

TC1398·2022-06-09 07:48

【MMDetection】训练自己的数据集

1.建立voc数据集Annotations放置图像标注.xmlJPEGImages放置图像.jpg使用脚本，脚本链接：注意修改划分数据集，ImageSets/Main/train.txt,trainval.txt,test.txt,val.txt放置文件名，不带后缀脚本上传到GitHub，注意修改：https://github.com/ghostype98/tools/blob/main/make

ghostype·2022-06-09 07:12

mmsegmentation 训练自己的数据集

//github.com/open-mmlab/mmsegmentation官方说明文档：https：//mmsegmentation.readthedocs.io/配置他的使用和OpenMMLab中mmdetection

Big_Huang·2022-06-09 07:56

01【mmtracking】多目标跟踪算法 deepsort 复现

github：https://github.com/open-mmlab/mmtracking码云（新版）：https://gitee.com/YFwinston/mmdetection.git论文地址

CV-杨帆·2022-06-07 07:16

基于mmdetection 旋转目标检测（OBB detection)+DOTA数据集&自定义数据集+配docker

核心思想一：基于mmdetection的目标检测框架二：DO

Big Watermonster~·2022-06-03 07:02

目标检测-定位蒸馏：logit蒸馏与feature蒸馏之争

://arxiv.org/abs/2102.12252代码地址1：https://github.com/HikariTJU/LD地址代码2：https://github.com/open-mmlab/mmdetection

PaperWeekly·2022-06-03 07:11

mmcv(mmdetection)源码理解：optimizer(SGD,momentum,Nesterov)

我会不定期更新mmcv，mmdetection内容，有兴趣的同学可以留言。首先介绍一些经常出现的梯度优化方法。SGD随机梯度下降，随机选取一批样本计算梯度，并更新一次参数。

小小小绿叶·2022-05-30 07:14

理解MMLAB开源代码就从这开始:注册器Registry

工作日趋繁忙，上一篇讲HOOK的文章获得了大家的赞同受宠若惊，虽然才疏学浅，今天就接着上次的内容，讲一下MMDetection中注册器Regi

CV伍六七·2022-05-29 13:28

MMDetection系列之（自定义模型）

我们基本上将模型组件分为5种类型。backbone:通常是一个FCN网络提取特征地图，如ResNet,MobileNet。neck:在脊骨和头部之间的部位，如:FPN,PAFPN…head:用于特定任务的组件，如框预测、掩码预测等。roi提取器:用于从特征映射中提取Rol特征的部分，如RolAlign。loss:头部用于计算损耗的组件，如FocalLoss,L1Loss,GHMLoss。backb

qq_41627642·2022-05-15 07:19

MMdetection系列之（转化标准数据集和定制自定义数据集）

在MMDetection中，我们建议将数据转换为coco格式并离线进行转换，这样你只需要在数据转换后修改配置的数据注释路径和类。1、将新的数据格式重新组织为现有格式最简单的方法是将数据集转换

qq_41627642·2022-05-15 07:48

MMDetectionV2 + Colab

MMDetectionV2+Colab超详细教程及踩坑实录文章目录前言一、环境配置二、准备自己的数据集Aug.14更新三：修改config文件3.1文件结构3.2（本地）修改config文件3.2.1（

一只会走路的鱼·2022-05-11 07:50

MMDetectionV2 + Colab 超详细教程及踩坑实录

文章目录前言一、环境配置二、准备自己的数据集Aug.14更新三：修改config文件3.1文件结构3.2（本地）修改config文件3.2.1（本地）构造自己模型的权重文件3.2.2（本地）修改配置文件3.3在colab上修改config3.5在线训练3.6在线可视化模型效果3.7在线inference四.延伸思考五.总结前言为了参加讯飞的X光目标检测竞赛，我们组研究了目前通用的几种框架。包括De

Mochadrone·2022-05-11 07:04

Faster rcnn 训练自己的数据集解决方案

文件配置训练的过程可以看【mmdetection】使用cascade-rcnn、faster-rcnn训练自定义的coco数据集_小鸠控的博客-CSDN博客_fasterrcnn训练coco数据集开始这篇文章主要是记录我第一次使用

D1M0N172·2022-05-09 18:39

Ubuntu18.04和windows10配置实例分割模型SOLOV2

windows配置环境需求cuda9.2硬性要求，否则失败torch1.2.0torchvision0.4.0C++2015及以上mmdetection1.1.0mmcv新的可以用SOLOV2新的可以用

迷失银河__恒·2022-05-05 07:56

Swin Transformer做主干的 YOLOv3 目标检测网络（mmdetection）

文章目录一、环境与工程二、SwinTransformerYOLO3网络代码三、数据集四、训练模型五、测试训练效果B站视频教程合集地址：SwinTransformer做主干的YOLOv3目标检测网络（mmdetection

Beyonderwei·2022-05-05 07:31

Swin Transformer做主干的 Faster RCNN 目标检测网络（mmdetection）

SwinTransformerFasterRCNN网络代码五、数据集六、训练模型七、测试训练效果Q&AB站视频教程合集地址：SwinTransformer做主干的FasterRCNN目标检测网络一、所需软件（包）介绍项目工程：mmdetection

Beyonderwei·2022-05-05 07:30

论文复现——Libra R-CNN: Towards Balanced Learning for Object Detection

本次复现的论文已经开源了，不过是依赖mmdetection环境的，在linux先安装mmdetection比较方便，但在Windows下安装mmdetection就没那么方便了。虽然但是。。。

RooKiChen·2022-04-25 07:48

mmdetection源码解析

mmdetection开源代码链接：第一章架构设计与实现配置文件:config每个配置文件里有一个metafile.yml的配置文件，给了一个系列(colletions)下的不同实现（不同backbone

yuyuelongfly·2022-04-15 07:21

【MMDetection】v2.22.0入门：训练自己的数据集

文章目录一、MMDetection安装并测试安装步骤二、数据集准备三、训练前的准备(修改参数)事先说明修改数据集相关参数修改训练相关参数四、开始训练单GPU训练指定多GPU训练五、使用训练结果进行测试并可视化验证集图片测试训练日志可视化

嗜睡的篠龙·2022-04-12 07:53

AlignPS test_result_prw.py注释

det_thresh=0.05,gallery_size=-1,ignore_cam_id=True,input_path=None):#results_path='/raid/ljp/code/chao_mmdetection

FeboReigns·2022-04-08 08:37

mmdetection可视化

0.可视化特征图importmatplotlib.pyplotaspltimporttimedefvis(x):t=((x.norm(dim=1)).squeeze()).cpu()plt.imshow(t,cmap=plt.get_cmap('gist_rainbow'))plt.show()#plt.imsave(f"didi/{time.strftime('%Y%m%d-%H%M%S',ti

Yah_da·2022-03-26 23:22

mmdetection 安装配置全过程

配置版本python=3.7pytorch=1.2torchvision=0.4cudatoolkit=10.0mmdetection=1.1安装步骤建议使用加速器安装配置下载资源:安装配置文件,提取码

wiger321·2022-03-26 06:05

mmdetection 训练 Faster R-CNN

训练步骤安装labelmecondacreate--name=labelmepython=3.6condaactivatelabelmepipinstallpyqt5pipinstalllabelme安装scikit-image，scipypipinstallscikit-image-ihttps://pypi.tuna.tsinghua.edu.cn/simplepipinstallscipy-

wiger321·2022-03-26 06:05

【mmdetection】使用kitti数据集进行训练

目录一、环境配置二、Kitti数据集准备三、仓库中需要修改的文件3.1mmdet/datasets中添加kitti.py，内容如下3.2修改mmdet/datasets/__init__.py，修改位置已注释标出3.3configs/_base_/datasets中添加kitti_detection.py，内容如下3.4修改mmdet\core\evaluation文件夹中的class_names

阿瓜瓜瓜·2022-03-24 01:47

读mmdetection的faster rcnn代码

一行行看运行过程首先将参数传好，第一行设断点，一行行过就完事了。很明显是字典。model=build_detector(cfg.model,train_cfg=cfg.train_cfg,test_cfg=cfg.test_cfg)#这行创建模型了defbuild_detector(cfg,train_cfg=None,test_cfg=None):returnbuild(cfg,DETECTOR

comea23·2022-03-21 07:21

mmdetection之dataset类解读

文章目录前言1、总体流程2、实现流程2.1.coco_detection训练配置文件2.2.CocoDataset初始化2.3.CocoDataset中getitem实现总结前言本篇是mmdetection

武乐乐~·2022-03-18 05:38

mmdetection中数据增强的可视化

一、PhotoMetricDistortion函数介绍：classPhotoMetricDistortion:"""Applyphotometricdistortiontoimagesequentially,everytransformationisappliedwithaprobabilityof0.5.Thepositionofrandomcontrastisinsecondorsecondt

仙女修炼史·2022-03-18 05:56

在mmdetection框架下修改数据增广方法

如何在mmdetection框架下训练自己的voc数据集，可以看我的上一篇博客在mmdetection上用自己的数据集训练了一个初级版本，发现结果不是很理想，分析了一下自己的数据集，需要调整数据增广方式

仙女修炼史·2022-03-18 05:52

基于mmdetection训练Swin Transformer Object Detection

mmdetection官方文档环境搭建docker找了一个torch版本为1.5.1+cu101的docker环境，然后安装mmdetection环境pipinstallmmcv-fullgitclonehttps

云端一散仙·2022-03-18 05:50

mmdetection v2.0版本的一些模型使用技巧

最近在学习如何使用mmdetection，收集了一下目前所看到的一些trick和技巧。

键盘强者·2022-03-18 05:43

【mmdetection】使用cascade-rcnn、faster-rcnn训练自定义的coco数据集

目录一.开始二.配置训练环境1.创建虚拟环境、激活环境2.下载pytroch、torchvision、cudatoolkit3.下载mmcv-full4.下载mmdetection5.下载mmdetection

小鸠控·2022-03-18 05:38

mmdetection框架加入mosaic在线增强

文章目录前言一、mosaic二、mmdetection三、mosaic加入mmdetection总结前言研究生课题是缺陷检测，跟深度学习领域的目标检测异曲同工，所以最近都在学习目标检测领域的相关知识，马上也要研二了

sky___fly·2022-03-18 05:52

mmdetection进阶之相关技巧汇总

小涵涵·2022-03-18 05:21

mmdetection进阶之yolox

yoloxmmdetection复现yoloxdatasethookemahookYOLOXModeSwitchHookmodel已yolox的复现详谈mmdetection的高阶使用yoloxyolox

小涵涵·2022-03-18 05:20

MMDetection框架入门教程（二）：快速上手教程

本人是从Tensorflow过来的，刚开始接触到MMDetection框架是有点懵的，因为这个框架在Pytorch基础上封装了好几层，这么做的好处是模块之间的耦合度很低，改动起来非常方便，但坏处是对于我这样的新手

Maples丶丶·2022-03-18 05:42

《R3Det：Refined Single-Stage Detector with Feature Refinement for Rotating Object》论文笔记

参考代码：TF实现版本：R3Det_TensorflowPytorch实现版本：r3det-on-mmdetection旋转检测算法总结：RotationDetection1.概述导读：这篇文章提出了一种级联优化的旋转目标检测算法

m_buddy·2022-03-18 05:09

mmdetection model

骨干：通常是一个FCN网络来提取特征图，例如ResNet、MobileNet。颈部：骨干和头部之间的组件，例如FPN、PAFPN。head：特定任务的组件，例如bbox预测和掩码预测。roi提取器：从特征图中提取RoI特征的部分，例如RoIAlign。loss：用于计算损失的head组件，例如FocalLoss、L1Loss和GHMLoss。

liuqiangaliuv·2022-03-18 05:30

mmdetection 如何训练自己的coco数据集

/mmdetection-master/mmdet/datasets/coco.py将CLASSES中的类别换成自己的mmdet

liuqiangaliuv·2022-03-18 05:29

mmdetection 模型训练技巧

1.预训练模型关于预训练模型，一般的检测都是使用ImageNet预训练的backbone，这是基本配置，官方也支持这种加载方式。高级一点的的就是针对数据集做一次预训练：即将所有的目标裁剪出来，然后训练一个不错的分类模型，这样的初始化相比ImageNet就要好很多。最后就是使用coco预训练的完整检测模型权重，这样的效果就是模型收敛速度快，而且效果一般都比较好，也是大家最常用的方法。由于每个任务的类

CV-deeplearning·2022-03-18 05:11

mmdetection中的数据增强方法（慢慢写，会很长）

mmdet文件目录下，pipelines/init里面声明了各种增强方法:1.为什么要做数据增强？没有很多数据，利用数据增强获得更多数据2.在学习管道（pipeline）的哪里进行数据增强呢？一种是事先执行所有转换，实质上会增强你的数据集的大小。另一种选项是在送入机器学习之前，在小批量（mini-batch）上执行这些转换3.有哪些数据增强的方法？对于单样本：1）几何变换类翻转，旋转，裁剪，变形，

liuqiangaliuv·2022-03-18 05:06

mmdetection中Swin transformer检测器的代码注解

答：因为我们的网络父类都为nn.Module类(mmdetection最新版本都为BaseModule类)，而nn.Module类中定义了__call__()方法，该方法中调用了forward()函数。

@会飞的毛毛虫·2022-03-17 07:19

mmdetection、yolo系列等目标检测任务的学习率调度器

学习率(Learningrate，简称lr)作为目标检测这类监督学习中最重要的超参，其决定着分类函数或边界框回归函数能否收敛到局部最小值以及何时收敛到最小值。正确的学习率可使目标函数在合适的时间内收敛到局部最优。同时，学习率可以在训练的过程中动态改变，这个动态的改变过程就叫做学习率调度器。首先，我们以YOLOX的学习率调整策略为例进行分析：该策略是带有Warmup(热身)的余弦调度策略。同时为了配

@会飞的毛毛虫·2022-03-17 07:17

免费赠送20个帆布包和2个咖啡杯活动规则必看（会搜索+复制粘贴就行）

社区入口活动详细规则：活动规则OpenMMLAB开发者社区入口：OpenMMLAB社区OpenMMLab简介：OpenMMLab是商汤贡献到OpenI启智社区的国产人工智能视觉算法框架，包括MMCV(视觉底层框架)与MMDetection

是Dream呀·2022-03-04 07:56

mmdetection自定义取出检测结果脚本及image_demo.py解析

之所以要说image_demo.py，是因为其和video_demo.py、webcam_demo.py这三者是大差小不差，并为我们取出检测结果用于其他接口提供思路。image_demo.py在mmd\demo文件夹下。首先，我们给出image_demo.py的参数解析器和main()方法的注释，整个过程比较简单，随后进行逐方法分析。importasynciofromargparseimportA

@会飞的毛毛虫·2022-03-02 07:45

推荐频道

MMDetection