mmdetection源码笔记第17页

mmdetection训练自己的数据集(详细)

今天我们来说说怎么使用mmdetection来训练自己的数据集。

Brucechows·2022-12-13 15:58

用MMdetection训练自己的数据集

1.整体流程利用MMDetection进行训练，一般需要下面这几步：选择一个基础模型，下载对应的配置文件和预训练的参数文件将数据整理成MMDetection支持的形式，如COCO格式或者其他格式修改配置文件

conquer777·2022-12-13 15:56

使用MMDetection训练自己的数据集

使用MMDetection训练自己的数据集前言1、配置文件修改1.1model部分1.2dataset部分1.2.1traindataset部分训练部分数据增强traindataset后续1.2.2dataset

euqlll·2022-12-13 15:55

Win10下 Swin Transformer目标检测环境配置流程

Win10下Swin-Transformer目标检测环境；对于第一次配置mmdetection的同学可能有所帮助。

炼丹去了·2022-12-13 13:02

MMDetection框架入门教程（三）：配置文件详细解析

在上一篇博客中提到，MMDetection搭建训练算法只需要3个步骤：1)准备数据集2)编写配置文件3)执行train.py文件开始训练。

Maples丶丶·2022-12-12 13:01

mmdetection环境搭建(cuda=11.3, pytorch=1.11, mmcv-full=1.6.0)

创建新环境(mmdet)环境：condacreate-nmmdetpython==3.7安装cudatoolkit：condainstallcudatoolkit=11.3安装cudnn：condainstallcudatoolkit=11.3安装pytorch和torchvision：condainstallpytorch=1.11torchvision-cpytorch安装mmcv-full：

henuymy·2022-12-12 07:33

MMDetection框架入门教程（四）：注册机制详解

上一篇博客对MMDetection中的配置文件进行了介绍，其中提到，我们在配置文件中配置到模型、数据集、训练策略等后，通过Config类可以将配置文件中的参数信息以字典的形式进行管理，然后MMDetection

Maples丶丶·2022-12-11 15:51

【mmdetection系列】mmdetection之loss讲解

聿默·2022-12-11 11:39

【mmdetection系列】mmdetection之neck讲解

https://github.com/open-mmlab/mmdetection/blob/master/configs/yolox/y

聿默·2022-12-11 11:09

【mmdetection系列】mmdetection之head讲解

https://github.com/open-mmlab/mmdetection/blob/master/configs/yolox

聿默·2022-12-11 11:09

基于MMdetection框架的目标检测研究-6.绘制混淆矩阵

文章背景：当我们训练完模型后，我们需要用训练后的模型对正负样本图片进行目标检测测试，这时候我们需要算模型在新的数据集上的检测效果(精度、过杀率、漏检率，准确度等)，这时候使用测试后的结果绘制成混淆矩阵，可以很方便的帮助我们呈现和理解模型的泛华能力。核心代码：#-*-coding=utf-8-*-'''功能说明：根据已有的分类数据，绘制相应的混淆矩阵，便于统计过杀率和漏检率'''importnump

图灵追慕者·2022-12-11 11:09

物体检测框架之mmdetection源码阅读（3）

本篇要解决的问题是如何通过configs文件来构建detector的问题，话说上一回讲到了构建detector前要在mmcv中注册模型。那么如何注册模型呢？暂且切回到上篇的代码的前几行frommmcv.cnnimportMODELSasMMCV_MODELSfrommmcv.utilsimportRegistryMODELS=Registry('models',parent=MMCV_MODELS

liqiming100·2022-12-11 11:39

物体检测框架之mmdetection源码阅读（1）

通过readme不难发现单卡训练是以tools/train.py作为程序的入口。首先贴出train.py的源代码。from__future__importdivisionimportargparseimportcopyimportosimportos.pathasospimporttimeimportmmcvimporttorchfrommmcvimportConfigfrommmcv.runne

liqiming100·2022-12-11 11:08

【mmdetection】SSD训练自己的VOC数据集注意事项

【注意】修改完voc.py和class_names.py之后，需要重新编译一下，cd进入mmdetection文件夹，输入pythonsetup.pyinst

H_Ben_Ben·2022-12-11 11:36

【mmdetection系列】mmdetection之训练框架讲解

这一篇是一个比较宽泛的训练框架讲解与说明。会大致说一些模型训练过程中需要的一些模块，datasets、backbone、neck、head、loss等。会先将框架结构，再讲核心机制。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

聿默·2022-12-11 11:05

_ext.cpython-37m-x86_64-linux-gnu.so: undefined symbol: _ZN6caffe26deta

之前mmdetection可以很好的使用，突然出现种错误，找了好久，更新了mmcv-full的版本，才解决！

仙女修炼史·2022-12-11 10:34

【解决】MMDetection环境配置问题

MMDetection环境配置点击这个开源库更新很快，我使用的是目前最新的一版，但是我没有用最新的torch1.5去跑这个开源库，原因我之前博客里说过，torch1.5跑这个库还有些bug其实官方文档给的很详细了

qq_29750461·2022-12-11 10:26

mmdetection2.9.0+mmcv1.2.4+torch1.10.1+torchvision0.11.2(cuda10.2)安装

由于换一台服务器跑程序，之前是mm2.9.0+mmcv1.2.4+torch1.10.1(cuda11.4),按照官方教程（https://github.com/open-mmlab/mmdetection

编程路上的求道者·2022-12-11 05:15

mmDetection小白入门教程（一）——环境配置与Demo Faster RCNN 测试

最近需要复现一篇基于mmdetection实现的实例分割模型《PolarMask》，之前博主在五月份的时候看的一篇论文《CenterPoint》也是基于mmdetection3d的。

Vanessa Ni·2022-12-10 23:23

win10 + mmdetection 新电脑配置教程

近期因为项目需要，需要配置mmdetection这个开源的目标检测库。

重糖爱好者·2022-12-10 23:52

Mmdetection 配置

Mmdetection配置1、创建虚拟环境$condacreate-nmmdlabpython=3.7-y$condaactivatemmdlab2、根据cuda版本安装pytorch和torchvision

coo_co·2022-12-10 22:50

一天装好mmdetection3d

安装mm3d无非两种办法conda->本地安装docker->镜像安装我今天是两种都试了，最终通过conda安装成功。记录一下配置信息。cudaruntimeapi:10.2cudadriverapi:10.2torch:1.8.1+cu102+py38torchvision:0.9.1+cu102+py38mmdet3d:v1.0.0rc5注意！最好不要直接pip安装torch。网络经常出问题。

拓扑凝聚态·2022-12-10 22:20

MMDetection的FCOS算法fcos_head注释

由于不知道如何发布代码，复制粘贴不太好看（起码我不喜欢看，哈哈），所以笔者再次便采取截图的形式。---------------------------------------------------------------------------------------------------------------------------首先进行各种包的导入，这里也不能忽视，得稍微看一眼。---

不死不休的天鹏！·2022-12-10 16:31

解决mmdetection训练过程loss为nan的问题

我之前遇到多次loss为nan，一次是由于数据标注出现问题，换不同的模型参数均出现此问题，因此需要仔细检查数据格式；有一次是换了个neck的结构，loss变为nan，后面通过将学习率调为原来的1/10（根据实际情况调整），就没有出现了；还有一次是注释掉fp16训练即可。下面参考了官方文档给出的解决方案以及自身经验，应该可以解决大部分问题。检查数据的标注是否正常，长或宽为0的框可能会导致回归loss

诸神黄昏的幸存者·2022-12-10 16:31

在mmdetection中使用mosaic增强

mmdetection中使用mosaic增强使用马赛克增强的配置文件如下：_base_=['faster_rcnn_r50_fpn_1x_coco.py'#你没加马赛克增强的配置文件(同一目录下)]data_root

神一样了啊·2022-12-10 16:31

【扫盲】Win10配置mmdetection 2.6

【扫盲】Win10配置mmdetection2.6欢迎关注公众号：小鸡炖技术，后台回复：“mmd26”获取本视频素材~~~

小鸡炖技术·2022-12-10 16:58

mmdetection 预测目标框和类别颜色的修改

image.py修改主要修改imshow_det_bboxes函数，按照类别进行不同颜色的显示defimshow_det_bboxes(img,bboxes,labels,segms=None,class_names=None,score_thr=0,bbox_color='green',text_color='green',mask_color=None,thickness=6,font_siz

是个小尾巴呀·2022-12-10 16:26

MMDetection系列之（自定义损失函数）

MMDetection为用户提供不同的丢失功能。但是默认配置可能不适用于不同的数据集或模型，因此用户可能希望修改特定的损失以适应新的情况。

qq_41627642·2022-12-10 16:56

MMDetection系列之 ONNX TO TENSORRT

如何转换模型从ONNX到TensorRTusagepythontools/deployment/onnx2tensorrt.py\${CONFIG}\${MODEL}\--trt-file${TRT_FILE}\--input-img${INPUT_IMAGE_PATH}\--shape${INPUT_IMAGE_SHAPE}\--min-shape${MIN_IMAGE_SHAPE}\--max

qq_41627642·2022-12-10 16:56

mmdetection 训练时不显示loss日志

直接上图：看日志文件，只输出到开始训练，显示最大epochs,后面的loss一直没有输出。但实际上训练已经完结。重点来了：原因：数据集太小，日志输出的epoch间隔太大，导致没有输出。解决方案：修改自己的配置文件，将log_config中interval从50调整到5.结果：

AI视觉爱好者·2022-12-10 16:52

【mmdetection 】analyze_logs.py等工具测试

#绘制一些运行的分类损失。pythontools/analyze_logs.pyplot_curvework_dirs/faster_rcnn_r50_fpn_1x/20200306_175509.log.json--keysloss_cls--legendloss_cls#绘制一些运行的分类和回归损失，并将该图保存为pdf。pythontools/analyze_logs.pyplot_curv

AI视觉爱好者·2022-12-10 16:51

mmdetection 测试时获取precision指标

其实这个函数eval_map()也可以得到Recall和Precision，只是mmdetection的代码中没有这样处理。先看一下eval_map

仙人掌中宝·2022-12-10 16:51

关于mmdetection、mmrotate如何计算参数量、计算量和速度FPS

近几天跑完实验后，发现效果还是不错，于是开始进行模型的参数量、计算量和速度指标的计算对比，话不多说，直接上干货。--------------------------------------------------------------------------------------------------------------------------首先记住一句话：模型的参数量越小，这个模型的

不死不休的天鹏！·2022-12-10 16:44

conda虚拟环境中的pytorch、cuda版本等说明

本人在使用solov2时，无法正确安装mmdetection，导致困扰很长时间，最终发现是本地的cuda版本和虚拟环境中的cuda版本不一致，而安装pytorch时一直对应的是本地版本。

闪耀的蛋神·2022-12-10 10:41

win10下mmsegmentation的安装训练以及使用mmdeploy部署的全过程

环境搭建由于上一篇中已经搭建了mmdetection的环境，本实验中沿用上一个环境源码https://github.com/open-mmlab/mmsegmentation下载zip，解压，然后使用pipinstall-v-e

yuanjiaqi_k·2022-12-09 20:44

怎么看mmdetection版本_mmdetection源码阅读笔记（2）--Loss

之前做完比赛过后计划看看mmdetection的源码写点blog,写了两篇过后忙其他事去了,这里就接着把之前没写完的东西补上。

景风·2022-12-09 18:07

MMDetection系列之（PTYORCH TO ONNX）

尝试新的MMDeploy来部署你的模型(Pytorch->ONNX->TensorRT)OpenNeuralNetworkExchange（ONNX，开放神经网络交换）格式，是一个用于表示深度学习模型的标准，可使模型在不同框架之间进行转移。ONNX是一种针对机器学习所设计的开放式的文件格式，用于存储训练好的模型。它使得不同的人工智能框架（如Pytorch,MXNet）可以采用相同格式存储模型数据并

qq_41627642·2022-12-09 18:04

MMDetection 系列之（自定义数据管道处理增强管道）

数据管道设计遵循典型约定，我们使用Dataset和DataLoader对多个worker进行数据加载。数据集返回与模型的forward方法的参数相对应的数据项字典。由于目标检测中的数据可能不相同大小(图像大小，gtbox大小等)，我们在MMCV中引入了一个新的DataContainer类型，以帮助收集和分发不同大小的数据。查看这里了解更多细节。对数据准备管道和数据集进行分解。数据集通常定义如何处理

qq_41627642·2022-12-09 18:34

【mmdetection】RetinaNet解析以RetinaNet为例解析目标检测中的anchor生成、匹配、编解码策略

RetinaNet解析1.RetinaNet2.配置文件backboneNeckHead1.Head构建2.BBoxAssigner2.1AnchorGenerator2.2BBoxAssigner3.BBoxEncoder/Decoder4.loss计算5.测试流程总结Reference1.RetinaNetone-stagedetector创新点：RetinaNet网络+Focalloss解决

aizpy·2022-12-09 18:33

Mmcation2中使用mmdetection中的yolo、faster-rcnn、detr训练VOC数据集

VOC数据集下载：PascalVOCDatasetMirror环境搭载：直接使用的mmaction2搭载的环境代码修改：待更终端运行代码：detr:pythontools/train.pyconfigs/detr/detr_r50_8x2_150e_coco.py--gpu-id1--work-dirxinjiayolo:pythontools/train.pyconfigs/yolox/yolo

weixin_42754274·2022-12-09 18:58

MMDetection3D加载毫米波雷达数据

前言mmdetection3d没有提供radar数据的读取，仅实现了对于LiDAR和Camera的数据读取、处理，因此需要根据LiDAR的数据处理流程进行改进，创建一套适合于radar数据处理的流程，本次处理流程部分参考了

naca yu·2022-12-09 15:55

带你玩转 3D 检测和分割（三）：有趣的可视化

小伙伴们好呀，3D检测和分割系列文章继续更新啦，在第一篇文章中我们带领大家了解了整个框架的大致流程，第二篇文章我们给大家解析了MMDetection3D中的坐标系和核心组件Box，今天我们将带大家看看3D

OpenMMLab·2022-12-09 15:48

【mmdetection3d】——常用工具

我们在tools/文件夹路径下提供了许多有用的工具。日志分析给定一个训练的日志文件，您可以绘制出loss/mAP曲线。首先需要运行pipinstallseaborn安装依赖包。[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-zIogAzf5-1636446617786)(…/resources/loss_curve.png)]pythontools/analysis_

Kadima°·2022-12-09 15:16

点云检测框投影到图像上（mmdetection3d）

原模型检测时候只有点云的检测框，本文主要是将demo文件中的pcd_demo.py中的代码，将点云检测出的3d框投影到图像上面显示。#Copyright(c)OpenMMLab.Allrightsreserved.fromargparseimportArgumentParser#importsys#sys.path#sys.path.append('D:\Aware_model\mmdetecti

一勺帅汤329·2022-12-09 15:12

mmdetection推理速度benchmark.py文件运行报错

不管你选择什么launcher都会报错，因为这个文件只针对分布式训练使用。换成老版本的代码即可运行代码如下：importargparseimporttimeimporttorchfrommmcvimportConfig,DictActionfrommmcv.cnnimportfuse_conv_bnfrommmcv.parallelimportMMDataParallelfrommmcv.runn

TC1398·2022-12-09 04:13

DETR源码笔记（二）

在DETR源码笔记（一）中，阅读到了main()函数的第二部分构建模型部分，接下来是搭建transformer部分。

在努力的松鼠·2022-12-09 00:57

mmdection测试时显示coco数据集每个类别ap

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

鲜花星辰·2022-12-08 17:10

conda复制虚拟环境

Dyee·2022-12-08 11:02

【PyTorch】FPS 测试 Benchmark（参考 MMDetection 实现）

本文从MMDetection中抽取了FPSBenchmark，并做了微小的修改，以便快速测试。代码参数描述model继承torch

Xavier Jiezou·2022-12-08 07:54

[云服务器与docker]在mmdetection3d上跑PointPillars

因为实验室贫穷，只有一台2080ti的机子，所以一开始打算用云服务器，后面发现云服务器实在是折磨人，所以又回到实验室的2080ti机子。本文分为两部分：云服务器(失败)和实验室机子(docker部署跑通)。1.云服务器（失败可以直接跳过）云服务器好处是可以选择各种版本，尝试过后发现在python版本上必须是python3.7，python3.6和3.8都会报不同的错误。实际上最麻烦的是Sparse

Matt今年18岁·2022-12-07 23:02

推荐频道

mmdetection源码笔记