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，这个模型的计算量不一定小，速度也不一定快。关于参数量和计算量：找到mmdetection或mmrotate的 tools/analysis_tools/get_flops.py文件，可以看到：config表示你
文章目录1.搭建环境2.制作数据集3.修改config4.训练5.推理原文代码MVXNet(CVPR2019)最近许多关于3Dtargetdetection的工作都集中在设计能够使用点云数据的神经网络架构上。虽然这些方法表现出令人鼓舞的性能，但它们通常基于单一模态，无法利用其他模态(如摄像头和激光雷达)的信息。尽管一些方法融合了来自不同模式的数据，这些方法要么使用复杂的pipeline来顺序处理模式，要么执行晚期融合，无法在早期阶段学习不同模式之间的相互作用。在这项工作中，我们提出了点融合和VoxelFusion:两种简单而有效的早期融合方法，通过利用最近引入的VoxelNet架构，将RGB和
文章目录1.搭建环境2.制作数据集3.修改config4.训练5.推理原文代码MVXNet(CVPR2019)最近许多关于3Dtargetdetection的工作都集中在设计能够使用点云数据的神经网络架构上。虽然这些方法表现出令人鼓舞的性能，但它们通常基于单一模态，无法利用其他模态(如摄像头和激光雷达)的信息。尽管一些方法融合了来自不同模式的数据，这些方法要么使用复杂的pipeline来顺序处理模式，要么执行晚期融合，无法在早期阶段学习不同模式之间的相互作用。在这项工作中，我们提出了点融合和VoxelFusion:两种简单而有效的早期融合方法，通过利用最近引入的VoxelNet架构，将RGB和
1.准备工作Linux发行版。Pop!_OS22.04LTS(NVIDIA)(Ubuntu衍生)对Linux进行配置，更改国内镜像源。安装conda环境。官网下载安装脚本(bash)文件。执行bashMiniconda3-latest-Linux-x86_64.sh安装git工具。2.安装步骤配置conda虚拟环境condacreate-nopenmmlabpython=3.9pytorch==1.11.0cudatoolkit=11.3torchvision-cpytorch-ytip:可去pytorch官网查询最新版本。激活虚拟环境condaactivateopenmmlab安装openm
1.准备工作Linux发行版。Pop!_OS22.04LTS(NVIDIA)(Ubuntu衍生)对Linux进行配置，更改国内镜像源。安装conda环境。官网下载安装脚本(bash)文件。执行bashMiniconda3-latest-Linux-x86_64.sh安装git工具。2.安装步骤配置conda虚拟环境condacreate-nopenmmlabpython=3.9pytorch==1.11.0cudatoolkit=11.3torchvision-cpytorch-ytip:可去pytorch官网查询最新版本。激活虚拟环境condaactivateopenmmlab安装openm
一，前言1.1，更新pip和conda下载源1.2，查看conda和pip版本二，MMDetection简介三，MMDetection安装3.1，依赖环境3.2，安装过程记录1，安装操作系统+cuda2，安装Anconda33，安装pytorch-gpu4，安装mmdetection参考资料一，前言1.1，更新pip和conda下载源在下载安装好python3+pip或anconda3的基础上，建议更新为清华/阿里镜像源（默认的pip和conda下载源速度很慢）。1，pip更新下载源为清华源的命令如下:pipconfigsetglobal.index-urlhttps://pypi.tuna.
一，前言1.1，更新pip和conda下载源1.2，查看conda和pip版本二，MMDetection简介三，MMDetection安装3.1，依赖环境3.2，安装过程记录1，安装操作系统+cuda2，安装Anconda33，安装pytorch-gpu4，安装mmdetection参考资料一，前言1.1，更新pip和conda下载源在下载安装好python3+pip或anconda3的基础上，建议更新为清华/阿里镜像源（默认的pip和conda下载源速度很慢）。1，pip更新下载源为清华源的命令如下:pipconfigsetglobal.index-urlhttps://pypi.tuna.
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:pipinstallmmcv-full-fhttps://download.openmmlab.com/mmcv/dist/{cu_version}/{torch_version}/index.html如我的CUDA版本是11.2,PyTorch是1.11.0:pipinstallmmcv-full-fhttps://download.openmmlab.com/mmcv/dist/cu112/t
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:pipinstallmmcv-full-fhttps://download.openmmlab.com/mmcv/dist/{cu_version}/{torch_version}/index.html如我的CUDA版本是11.2,PyTorch是1.11.0:pipinstallmmcv-full-fhttps://download.openmmlab.com/mmcv/dist/cu112/t
前言最近对目标识别感兴趣，想做一些有趣目标识别项目自己玩耍，本来选择的是YOLOV5的，但无奈自己使用YOLOV5环境训练模型时，不管训练多少次mAP指标总是为0，而其它pytorch项目却能正常运行，尝试解决无果后发现另一个更好用的目标识别库——MMDetection，最终实现了自己的需求。本文首先介绍了MMDetection库在Windows11下的安装方式，及可能遇到的问题和解决方法；然后说明了其自带的单图片检测、视频检测、摄像头检测工具的使用方法，并在此之上扩展了一个同时包含上述功能并且能够批量检测图片的Python代码；最后以数据集CelebA数据集为例，详细记录了使用MMDetec
