mmdetection maskrcnn
时间: 2023-04-28 12:00:44 浏览: 83
mmdetection是一个基于PyTorch的开源目标检测框架,其中包括了Mask R-CNN模型,可以用于实现图像中物体的实例分割任务。Mask R-CNN是一种基于Faster R-CNN的目标检测模型,通过在检测框内部生成掩码来实现物体的精确分割。mmdetection中的Mask R-CNN模型可以用于训练和测试各种数据集,包括COCO、PASCAL VOC等。
相关问题
mmdetection maskrcnn训练
MMDetection是一个开源项目,由商汤和香港中文大学推出,用于目标检测任务。它基于Pytorch实现了许多目标检测模型,其中包括maskrcnn。相比其他代码库,MMDetection的训练速度要更快或者相当。如果你想使用MMDetection进行训练,你可以通过导入相应的函数来推理训练好的模型。具体地说,可以使用`from mmdet.apis import inference_detector`来导入`inference_detector`函数。同时,一些分割任务现在更适合使用更大的模型,例如detic。据亲测,detic的预训练模型效果要好于经过训练的maskrcnn,并且maskrcnn的分割结果很糟糕。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* [mmdetection训练自己的maskrcnn记录](https://blog.csdn.net/m0_49687072/article/details/130929996)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 50%"]
- *3* [MMDetection实战:MMDetection训练与测试](https://download.csdn.net/download/hhhhhhhhhhwwwwwwwwww/85331635)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]
mmdetection swin maskrcnn
mmdetection swin maskrcnn是一个基于Swin Transformer的目标检测模型。你可以使用命令"python demo/image_demo.py demo/52.tif configs/swin/mask_rcnn_swin_tiny_patch4_window7_mstrain_480-800_adamw_3x_coco.py work_dirs/mask_rcnn_swin_tiny_patch4_window7_mstrain_480-800_adamw_3x_coco/latest.pth"来进行测试。\[1\]
在配置文件中,你可以修改configs文件夹下的相关配置,例如albu_example、atss和_base_等文件夹。其中_base_文件夹是最根本的继承,包含了数据集的训练方法、数据增强、测试方法等。\[2\]
如果你使用的是自定义数据集,需要注意是否标注了mask。通常情况下,自定义数据集只会标注bbox,所以需要禁用mask-rcnn中的mask。具体操作包括:
1. 在基础模型文件cascade_mask_rcnn_swin_fpn.py中将use_mask由True改为False,并注释掉mask_roi_extractor和mask_head两个变量。
2. 在入口配置文件cascade_mask_rcnn_swin_tiny_patch4_window7_mstrain_480-800_giou_4conv1f_adamw_3x_coco.py中,将train_pipeline中的with_mask由True改为False,并在dict(type='Collect', keys=\['img', 'gt_bboxes', 'gt_labels', 'gt_masks'\])中去掉'gt_masks'。
3. 在数据集描述文件coco_instance.py中,将evaluation中的metric中去掉'segm'。\[3\]
这样配置之后,你就可以使用mmdetection swin maskrcnn进行目标检测了。
#### 引用[.reference_title]
- *1* [Ubuntu和Windows使用Mmdetection训练Swin-Transformer+Mask-RCNN](https://blog.csdn.net/Wddym/article/details/125268262)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down1,239^v3^insert_chatgpt"}} ] [.reference_item]
- *2* [利用mmdetection训练自己数据集过程error解决汇总](https://blog.csdn.net/QQ992281036/article/details/126979053)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down1,239^v3^insert_chatgpt"}} ] [.reference_item]
- *3* [swing transformer中修改mmdetection预训练的mask-rcnn使类别数适应custom dataset](https://blog.csdn.net/zkp_987/article/details/125724107)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down1,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]