摘要: ImVoxelNet这是一种基于单目或多视图 RGB 图像的 3D 对象检测的新型全卷积方法,根据RGB图进行3D检测. 这种方法其实比较简单,先在多张2D RGB图上进行卷积操作(共享2D卷积核),然后将特征映射到3D体素上,同一个体素有多个特征的进行简单的平均池化操作,然后用3D卷积核进行卷积操 阅读全文
posted @ 2022-11-13 14:40 MSTK 阅读(22) 评论(0) 推荐(0) 编辑
摘要: Part-A2是一个两阶段,基于点的3D目标检测器,由part-aware和part-aggregation模块组成.类似于两阶段的2D检测器,第一阶段提出Proposals,第二阶段进行Refine. 1. Part-aware模块 负责生成3D Proposals.先将3D空间体素化,每个体素大 阅读全文
posted @ 2022-10-30 17:12 MSTK 阅读(5) 评论(0) 推荐(0) 编辑
摘要: FCOS3D是在2D检测器FCOS的基础上提出的,是一种单目3D检测算法,根据RGB图像进行3D目标检测.FCOS预测的是一个前景点到边界框的4个距离,而FCOS3D需要预测更多的东西,包括3D中心点,3D尺寸,以及目标的方向. 整体结构上,FCOS3D和FCOS非常类似,Backbone和Neck 阅读全文
posted @ 2022-09-29 20:56 MSTK 阅读(111) 评论(0) 推荐(0) 编辑
摘要: MMdetection3D更新了,只好再次安装,由于CUDA,cuDNN,PyTorch以前已经安装了,这次就不需要安装了,只需要安装MMdetection3D就行了. 1. 安装MMCV 输入以下命令: pip install mmcv-full -f https://download.openm 阅读全文
posted @ 2022-08-14 15:27 MSTK 阅读(236) 评论(0) 推荐(0) 编辑
摘要: 由于操作失误,把硬盘挂载到了/home,导致系统启动失败,用Ubuntu的安装U盘进入Try,然后输入以下命令: sudo gedit ./etc/fstab 发现fstab文件是这样的: # /etc/fstab: static file system information. # # Use ' 阅读全文
posted @ 2022-07-29 11:57 MSTK 阅读(154) 评论(0) 推荐(0) 编辑
摘要: 不小心把Ubuntu18.04的boot分区格式化了,进不去系统了,一开机就是BIOS界面,最后使用boot-repair恢复了boot分区. 1. 使用Ubuntu18.04的安装U盘启动,选择Install,看了一下硬盘分区,还好,只是537M的boot分区被格式化了,400多G的系统还在,于是 阅读全文
posted @ 2022-07-28 20:16 MSTK 阅读(311) 评论(0) 推荐(0) 编辑
摘要: 1. 输入命令sudo apt-get install git,安装Git; 2. 输入命令git config --global user.name [your user name]和git config --global user.email [your email],配置用户名和电子邮件; 3 阅读全文
posted @ 2022-06-26 17:05 MSTK 阅读(118) 评论(0) 推荐(0) 编辑
摘要: OS: Ubuntu20.04 GPU: RTX 3060(12G) python==3.7.12 cuda==11.2 cudnn==cudnn-11.2-linux-x64-v8.1.1.33 pytorch==1.11.0 torchaudio==0.11.0 torchvision==0.1 阅读全文
posted @ 2022-05-30 20:49 MSTK 阅读(80) 评论(0) 推荐(0) 编辑
摘要: 1. 下载并安装PCL 1.12.1 到https://github.com/PointCloudLibrary/pcl/releases下载下面两个文件: 安装PCL时,选择添加路径到Path.解压pcl-1.12.1-pdb-msvc2019-win64.zip,复制.pdb文件到C:\Prog 阅读全文
posted @ 2022-04-19 20:54 MSTK 阅读(407) 评论(0) 推荐(0) 编辑
摘要: 在Ubuntu下安装PyTorch遇到了下面的错误: The following packages are causing the inconsistency 下面是一长串的包名,有人说需要手动把这些包删除了,但是包太多,一个一个删除太费时间,而且有些包根本删不掉,最好的办法就是新建一个Conda环 阅读全文
posted @ 2022-03-30 18:00 MSTK 阅读(759) 评论(0) 推荐(0) 编辑
摘要: Focal loss在文件.\mmdet\models\losses\focal_loss.py实现,代码如下: import torch import torch.nn as nn import torch.nn.functional as F from mmcv.ops import sigmo 阅读全文
posted @ 2022-01-29 15:54 MSTK 阅读(293) 评论(0) 推荐(0) 编辑
摘要: 现有的目标检测器对小目标的检测效果不好,针对这种情况,作者提出了Feedback-driven Data Provider,根据训练过程中小对象对损失值的的贡献率,提供小对象训练数据的方法.Stitcher就是把多张图片(一般是4张)缩小后拼接在一起,从而产生更多小对象. 作者以Faster RCN 阅读全文
posted @ 2021-12-19 18:42 MSTK 阅读(175) 评论(0) 推荐(0) 编辑
摘要: BBoxHead类继承自nn.Module类,定义在\mmdet\models\roi_heads\bbox_heads\bbox_head.py中,其作用是输出ROI Pooling的分类和回归值. import torch import torch.nn as nn import torch.n 阅读全文
posted @ 2021-09-24 16:16 MSTK 阅读(560) 评论(0) 推荐(0) 编辑
摘要: ConvFCBBoxHead类定义在\mmdet\models\roi_heads\bbox_heads\convfc_bbox_head.py中,其作用是对共享特征层进行卷积和全连接操作,然后在forward到BBoxHead类中,而且也继承自BBoxHead类.convfc_bbox_head. 阅读全文
posted @ 2021-08-09 19:33 MSTK 阅读(569) 评论(0) 推荐(0) 编辑
摘要: SingleRoIExtractor类定义在\mmdet\models\roi_heads\roi_extractors\single_level_roi_extractor.py中,其作用是对ROI特征层进行特征提取,继承自BaseRoIExtractor类. import torch from 阅读全文
posted @ 2021-07-19 15:18 MSTK 阅读(711) 评论(0) 推荐(0) 编辑
摘要: 用MMDetection训练过程中,全连接层(Fully Connected Layers,FC)出现nan错误,但是全连接层只是线性组合,而且数值也不大,也没有计算损失函数,怎么可能出现nan错误? 经过研究发现,原来是显存不足造成的,由于显存不足,有些tensor没有了,就造成了nan错误,进行 阅读全文
posted @ 2021-07-08 21:14 MSTK 阅读(894) 评论(0) 推荐(0) 编辑
摘要: TwoStageDetector类定义在\mmdet\models\detectors\tew_stage.py中: import torch import torch.nn as nn # from mmdet.core import bbox2result, bbox2roi, build_as 阅读全文
posted @ 2021-06-28 16:11 MSTK 阅读(314) 评论(0) 推荐(0) 编辑
摘要: RPNHead继承了AnchorHead(AnchorHead定义在mmdetection/mmdet/models/dense_heads/anchor_head.py文件里面),前面介绍的forward_single(),_get_bboxes_single(),loss()等函数都是重载的An 阅读全文
posted @ 2021-06-10 19:27 MSTK 阅读(375) 评论(0) 推荐(0) 编辑
摘要: 运行时出现下面的错误: Traceback (most recent call last): File "D:/Projects/project_name/tools/train.py", line 178, in <module> main() File "D:/Projects/project_ 阅读全文
posted @ 2021-05-01 17:44 MSTK 阅读(1248) 评论(0) 推荐(0) 编辑
摘要: 运行时出现下面的错误: C:/cb/pytorch_1000000000000/work/aten/src/ATen/native/cuda/IndexKernel.cu:142: block: [0,0,0], thread: [17,0,0] Assertion `index >= -sizes 阅读全文
posted @ 2021-05-01 17:23 MSTK 阅读(1845) 评论(0) 推荐(0) 编辑
摘要: Faster RCNN配置文件faster_rcnn_r50_fpn.py中的 backbone=dict( type='ResNet', depth=50, num_stages=4, out_indices=(0, 1, 2, 3), frozen_stages=1, norm_cfg=dict 阅读全文
posted @ 2021-04-14 17:22 MSTK 阅读(809) 评论(0) 推荐(0) 编辑
摘要: Faster RCNN配置文件faster_rcnn_r50_fpn.py中的 type='FasterRCNN', 说明了这是一个Faster RCNN模型,对应的是mmdetection/mmdet/models/detectors/faster_rcnn.py文件,主要内容如下: from . 阅读全文
posted @ 2021-03-29 17:43 MSTK 阅读(680) 评论(0) 推荐(0) 编辑
摘要: faster_rcnn_r50_fpn_1x_coco.py文件位于目录mmdetection/configs/faster_rcnn/下面,主要内容如下: _base_ = [ '../_base_/models/faster_rcnn_r50_fpn.py', '../_base_/datase 阅读全文
posted @ 2021-02-27 23:55 MSTK 阅读(1026) 评论(0) 推荐(0) 编辑
摘要: git clone的项目,用PyCharm打开以后,点击History,出来的全部是GitHub上的提交记录,这时如果点击提交,也是提交到GitHub. 要取消GitHub提交,点击File->Settings->Version Control,删除项目的Git就可以了. 阅读全文
posted @ 2021-01-21 17:59 MSTK 阅读(1233) 评论(0) 推荐(0) 编辑
摘要: D2Det是一种two-stage算法,类似于Faster-RCNN,在Faster-RCNN的基础上进行了一些改进,总体框架如下图(a)所示: 和Faster-RCNN相比,改进的地方在于: 1. Dense local regression 如上图(b)所示,Faster-RCNN是对RPN提出 阅读全文
posted @ 2020-12-09 15:10 MSTK 阅读(718) 评论(0) 推荐(0) 编辑
摘要: MMDetection是一个基于Pytorch实现的深度学习和目标检测代码库,包含了Faster-RCNN,YOLO,SSD等主流的目标检测算法代码和已经训练好的模型,方便我们进行目标检测算法的研究.MMDetection的安装步骤如下: 1. 创建一个Conda环境并Activate,很简单,就不 阅读全文
posted @ 2020-12-05 20:27 MSTK 阅读(1903) 评论(0) 推荐(0) 编辑
摘要: RefineDet可以看成是SSD,RPN,FPN算法的结合,其主要思想是:Faster-RCNN等two-stage算法,对box进行两次回归,因而精度高,但是速度慢;YOLO等one-stage算法,对box只进行一个回归,速度快,但是精度低.RefineDet将两者结合起来,对box进行两次回 阅读全文
posted @ 2020-11-28 16:37 MSTK 阅读(284) 评论(0) 推荐(0) 编辑
摘要: Hyperband算法的伪代码如下: R是单个超参数组合能够分配的最大资源预算,如1个epoch就是1个预算,R=81,就表示81个epoch,smax=4,B=5R=405,当s=4时,初始为81个点,每个点训练1个epoch,然后选择最好的27个点,每个点再训练3个epoch,...,直到最后只 阅读全文
posted @ 2020-10-07 18:14 MSTK 阅读(907) 评论(0) 推荐(0) 编辑
摘要: 超参数(Hyper-parameter)是定义模型或者定义训练过程的参数,是相对于模型参数(Parameter)来说的,比如目标检测网络的网络结构,激活函数的选择,学习率的大小,Anchor的尺寸等等,都属于超参数.超参数对网络的性能(如目标检测网络的mAP等)有很大的影响,因此需要找到性能最优的参 阅读全文
posted @ 2020-10-04 16:01 MSTK 阅读(1757) 评论(0) 推荐(0) 编辑
摘要: 提交COCO Detection Challenge (Bounding Box)时出现错误: WARNING: Your kernel does not support swap limit capabilities or the cgroup is not mounted. Memory lim 阅读全文
posted @ 2020-09-15 19:49 MSTK 阅读(1952) 评论(0) 推荐(0) 编辑