安装了mmdetection，想跑一下有几篇文章的工作。总觉得发展很快，一转眼几年时间，好多东西都变了。可再仔细看，感觉又没变啥，还是faster rcnn, ssd, yolo等，这几年变化的主要是细节上，除了detr是基于transformer的，其它的都是老思路，只是有些是改变了loss，有些 ...
转载
2021-08-13 20:49:00
120阅读
2评论
mmdetection的官方文档：https://mmdetection.readthedocs.io/en/latest/剩余的章节按照如下结构进行组织（主要就是三点内容）。首先，我们介绍了大量的已支持的方法并突出mmdetection的重要特征，然后，展示了基准测试结果。末尾，我们展示了一些可被选择的baseline的消融研究。这篇论文相当于一个技术报告题目：开放MMLab检测工具箱和基准背景介绍2d/3d目标检测的各个模块，误差函数，评价指标，以及线下数据集都是高度成熟和固定
原创
2021-11-08 16:44:29
1271阅读
【mmdetection小目标检测教程】四、修改配置文件，训练专属于你的目标检测模型1.数据准备2.修改类别（1）第一处修改（2）第二处修改3.修改config文件（1）总包（2）分包1（3）分包2（4）分包34.训练模型（1）单卡训练（2）多卡训练 在前面我们已经搭建了环境、完成了高分辨率图片切分成小图，本文将介绍如何使用mmdetection配置文件训练检测模型mmdetection小目标检
转载
2024-07-04 22:40:55
75阅读
编者按：我的毕设题目是基于mmdetection的行人检测，由于我的电脑没有英伟达的GPU,因而无法安装CUDA，网上大多数文章涉及CUDA的安装，对于我来说都没法直接参考。这篇文章主要是我总结的关于安装CPU版本的mmdetection的方法（电脑上有英伟达GPU的话网上大多数文章可以直接参考） Windows安装mmdetection（CPU版本）1. 安装anaconda（网上参考文章非常多
转载
2024-03-25 20:35:24
258阅读
一、准备数据集准备自己的数据mmdetection支持coco格式和voc格式的数据集，下面将分别介绍这两种数据集的使用方式coco数据集官方推荐coco数据集按照以下的目录形式存储，以coco2017数据集为例mmdetection
├── mmdet
├── tools
├── configs
├── data
│ ├── coco
│ │ ├── annotations
│
转载
2024-07-11 21:25:27
588阅读
mmdetection使用步骤1、准备1.1软件1.2Conda 虚拟环境中Python包版本2、环境配置2.1 需要的介绍2.2 环境安装2.2.0 版本选择2.2.1 VS2019安装2.2.2 conda虚拟环境2.2.3 pytorch 安装2.2.4 安装其他必要的Python包2.2.5 安装mmcv2.2.6 安装mmdetection2.2.7 安装 apex2.2.8 拉取代码
转载
2024-05-23 10:14:04
170阅读
如有错误，恳请指出。开门见山，基于mmdet的官方文档直接介绍如何进行我们的运行配置。个人觉得，继承于default_runtime.py这个文件之后，主要需要自己稍微更改下的配置主要有7个，分别是：优化器配置、学习率配置、工作流程配置、检查点配置、日志配置、评估配置、训练设置。具体的配置流程如下所示。如果需要其他钩子函数的实现与配置，具体可以查看参考资料1. 文章目录1. 优化器配置2. 学习率
转载
2024-03-28 07:43:29
698阅读
# 教你如何使用 MMDetection 和 PyTorch 进行目标检测
在当今的计算机视觉领域，目标检测是一个热门的研究领域。MMDetection 是一个开源的目标检测工具包，基于 PyTorch 实现，提供易于使用的 API 和高度模块化的设计。在这篇文章中，我们将逐步介绍如何搭建 MMDetection 项目，并通过代码示例深入理解每一步。
## 流程概述
下面是使用 MMDete
1. 第一次尝试官方要求：Linux (Windows is not officially supported)Python 3.5+ (Python 2 is not supported)PyTorch 1.1 or higherCUDA 9.0 or higherNCCL 2GCC(G++) 4.9 or highermmcv本机环境：pytorch 1.1cuda 9....
原创
2021-09-07 10:16:55
257阅读
四、技术细节 在这一节，我们将介绍训练检测器的主要工具：数据管道，模型和迭代管道。 （一）数据管道 根据标准协议，我们使用Dataset和DataLoader作为多工作数据加载。Dataset返回一个数据字典，数据字典的参数是模型前向算法中的参数。由于被检测的数据对象可能大小不一样（比如图像大小，bbox大小等），我们推荐一个MMCV中新的DataContainer类型，来收集和分发不同大小的数据
转载
2024-10-12 12:55:09
50阅读
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（对Pytorch也不甚了解），乍一看很难理解整个框架的运行流程，甚至都不知道如何查看对应的源码，更别说是从头搭建自己的网络了。1. MMDetection是什么 MMDete
转载
2024-09-02 08:42:27
154阅读
简介在之前的文章中，已经介绍了配置文件、数据、模型等方面的内容，在配置文件那篇文章中其实简单介绍了部分运行时相关的内容，本文将详细展开。需要说明的时，官方是将runtime与schedule区分开的，不过从配置继承的角度来看，它们可以放到一起，因此本文都将其视为运行时配置。运行时定制自定义优化器MMDetection支持所有的PyTorch定义的优化器（optimizer），如果想要使用某个优化器
转载
2024-06-23 07:04:18
134阅读
安装条件Linux(不正式支持Windows)Python3.5+PyTorch1.1或更高版本CUDA9.0或更高NCCL2GCC4.9或更高mmcv(https://github.com/open-mmlab/mmcv)我们已经测试了以下版本的操作系统和软件：OS:Ubuntu16.04/18.04andCentOS7.2CUDA:9.0/9.2/10.0/10.1NCCL:2.1.15/2.
原创
2021-01-05 18:45:31
785阅读
本页提供有关MMDetection用法的基本教程。有关安装说明,请参阅【目标检测】MMDetection专栏之MMDetection安装https://mp.weixin.qq.com/s/J8LGyYa9hQcLbjeh531vsw预训练模型的推论我们提供测试脚本来评估整个数据集(COCO,PASCALVOC等)以及一些高级api,以便更轻松地集成到其他项目。测试数据集[x]单个GPU测试[x]
原创
2021-01-05 18:58:07
5029阅读
本文主要记载了一些在调试过程中遇到的错误和问题，及相关的设置、log、解决方法等。如有错误，请交流指正。目录调试 帧冻结错误调试 相机 App 闪退错误调试 cam banding 现象调试 cam AEC 算法库文件调试 cam chromatix 调试 Flash 闪光灯-连闪调试 cam
# 使用Docker部署MMDetection深度学习目标检测框架
在计算机视觉领域，目标检测是一项重要任务。MMDetection是一个开源的目标检测框架，提供了种类繁多的模型及其训练和测试工具。本文将引导您如何使用Docker部署MMDetection，并附上相关的代码示例。
## 一、环境准备
首先，确保您已经安装Docker。可以通过以下命令检查Docker是否正常运行：
```b
如果官方教程不行再参考我的吧，我的环境如下：ubuntucuda10cudnn7.5步骤：1.使用conda创建一个虚拟环境conda create -n mmdetection python=3.7
conda activate mmdetection2.安装Pytorch（2019.7.24安装的是Pytorch1.1）conda install pytorch torchvision cud
原创
2021-05-01 22:29:26
981阅读
刚开始接触到深度学习的时候，做实验的一些记录。
现在看来有些简单的，权当写日志了。
收集数据样本训练，对于样本的选取的总结。
现象：
1、第一次训练车牌图片，车牌是已经被“归一化”过，使得所有的车牌图片都是相同的尺寸，就是说将原图的比例改变了。强行的变成了固定比例的车牌图片。当这样的图片经过训练之后，对正常的车牌图片识别效果很差，对同样经
在处理计算机视觉任务时，我遇到了一个关键的问题，涉及“llama temperature mmdetection”。该问题主要源于在使用MMDetection框架时，需要调节模型的温度参数以获得最佳结果。下面我将从多个方面记录下我解决这一问题的过程，以供后续参考。
> **用户反馈：**
> “我在使用MMDetection框架时，尝试调节llama模型的temperature参数，但是效果总是
文章目录`docker`指令图表背景思路一般流程本项目流程实操1. docker 拉取 python3.6镜像进到容器中配置环境变量启动`neo4j`服务下面执行数据迁移 （将宿主机中的`neo4j`数据迁移到该容器中）将`Django`项目 `docker cp` 到容器中Docker容器动态添加端口将容器 `docker commit` 为新的镜像，并上传至阿里云私有仓库`pull` &am
转载
2024-09-27 12:33:27
66阅读
