- 综合排序
- 最热优先
- 最新优先
- 来自专栏AutoML(自动机器学习)
mmdetection安装教程
如果官方教程不行再参考我的吧，我的环境如下： ubuntu cuda10 cudnn7.5 步骤： 1.使用conda创建一个虚拟环境 conda create -n mmdetection python =3.7 conda activate mmdetection 2.安装Pytorch（2019.7.24安装的是Pytorch1.1） conda install pytorch torchvision cudatoolkit=10.0 -c pytorch 3.安装Cython conda install cython 4.安装mmcv mmcv也是mmdetection团队开发的一个CV库，提供了很多基本功能 git clone https://github.com/open-mmlab/mmcv.git cd mmcv pip install . 5.安装mmdetection git clone https ://github.com/open-mmlab/mmdetection.git cd mmdetection .
2.8K20发布于 2019-08-14 - 来自专栏文鹃阁
ubuntu安装mmdetection
仓库并进入 $ git clone https://github.com/open-mmlab/mmdetection.git $ cd mmdetection 5 安装依赖以及 mmdetection # or "python setup.py develop" 使用 mmdetection 里面分了好多目录，将相关的文件都放在了同一个文件夹中，下面就会介绍一些重要的文件夹 ├── configs 官网所需要的txt格式文件（还包括无标签测试图片产生mmdet所需要的test.json方法）_五指峰的博客-CSDN博客_mmdetection生成测试结果json文件 一些比较好的教程 Faster RCNN mmdetection 最小复刻版（内有很多详细算法解读） mmdetection可视化一些 Anchor 和 Proposal FCOS（带有正样本的可视化）–深度眸 reference https://mmdetection.readthedocs.io/en/lates
1.3K60编辑于 2022-09-02 - 来自专栏前行的CVer
DOTA、mmdetection训练
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
7.5K10发布于 2021-03-04 - 来自专栏文鹃阁
mmdetection之PAA注释详解
preface 本文记录 mmdetection 对 PAA 训练的流程，包括标签获取，anchor 生成，前向训练，以及各步骤中 tensor 的形状，仅供复习用处。 mmdetection 版本为 2.11.0。 # 结果整理，返回每一类的检测结果 return [bboxes[labels == i, :] for i in range(num_classes)] reference mmdetection
1K20编辑于 2022-09-02 - 来自专栏文鹃阁
mmdetection之RetinaNet注释详解
preface 本文记录 mmdetection 对 RetinaNet 训练的流程，包括标签获取，anchor 生成，前向训练，以及各步骤中 tensor 的形状，仅供复习用处。 mmdetection 版本为 2.11.0 loss 函数 loss 函数传入的参数有网络每一层的预测（shape: B,AC,H,W），以及每一张图片中的 gt 框（format: x1,y1,x2
1.4K30编辑于 2022-09-02 - 来自专栏文鹃阁
mmdetection之FCOS注释详解
preface 本文记录 mmdetection 对 FCOS 训练的流程，包括标签获取，anchor 生成，前向训练，以及各步骤中 tensor 的形状，仅供复习用处。 mmdetection 版本为 2.11.0。
88430编辑于 2022-09-02 - 来自专栏文鹃阁
mmdetection之DETR注释详解
preface 本文记录 mmdetection 对 DETR 训练的流程，包括标签获取，transformer encoder&decoder，前向训练，以及各步骤中 tensor 的形状，仅供复习用处 mmdetection 版本为 2.11.0。
2.2K41编辑于 2022-09-02 - 来自专栏海边的拾遗者
MMDetection环境搭建与安装教程
“作者为团队成员星球，平台的专栏作者之一 本文由「海边的拾遗者」公众号编辑首发” 导读 MMDetection是商汤和港中文大学联合开源的基于PyTorch的目标检测工具箱，支持Faster-RCNN 不使用conda也可以正常安装使用MMDetection。 3.1 版本兼容性 MMDetection和MMCV的版本兼容性如下所示，需要根据MMCV的版本安装对应的MMDetection版本。 库 克隆MMDetection库 git clone https://github.com/open-mmlab/mmdetection.git cd mmdetection 安装构建要求并安装MMDetection git clone -b v2.5.0 https://github.com/open-mmlab/mmdetection.git cd mmdetection 4 验证安装是否正确 运行一段python
5.3K21发布于 2020-12-08 - 来自专栏文鹃阁
mmdetection之Faster RCNN注释详解
preface 本文记录 mmdetection 对 Faster RCNN 训练的流程，包括标签获取，anchor 生成，前向训练，以及各步骤中 tensor 的形状，仅供复习用处。 mmdetection 版本为 2.11.0。
2.5K30编辑于 2022-09-02 - 来自专栏OpenMMLab
YOLOX | MMDetection 复现保姆级解析
近期，MMDetection 开源团队成员也组织进行了相关复现。通过与社区成员的协同开发，不仅让复现过程更加高效，而且社区成员在参与过程中可以不断熟悉算法，熟悉 MMDetection 开发模式。 YOLOX 算法简介 官方开源地址： https://github.com/Megvii-BaseDetection/YOLOX MMDetection 开源地址（欢迎 star）： GitHub - open-mmlab/mmdetection: OpenMMLab Detection Toolbox and Benchmark 复现相关 projects： Support of YOLOX #（偷偷注释掉）为了方便将官方开源权重迁移到 MMDetection 中，在推理精度对齐过程中，我们没有修改任何模型代码，而且简单的复制开源代码，分别插入 MMDetection 的 backbone 2.1 推理精度对齐 为了方便将官方开源权重迁移到 MMDetection 中，在推理精度对齐过程中，我们没有修改任何模型代码，而且简单的复制开源代码，分别插入 MMDetection 的 backbone
1.2K10编辑于 2022-01-17 - 来自专栏机器学习爱好者社区
mmdetection最小复刻版(一)：整体概览
mmdetection最小复刻版是基于mmdetection的最小实现版本简称 mmdetection-mini。其出现的目的是通过从头构建整个框架来熟悉所有细节以及方便新增新特性。 所以我自己写一个mmdetection，然后加入注释，并且实时同步mmdetection到最新版，不仅可能清楚每次更新的所有细节，还可以不影响注释 新特性方便增加 如果自己想实现一些mmdetection 由于同步mmdetection过程是手动的，新增特征也不会出现冲突 1 介绍 完全基于mmdetection框架结构，包括整个结构也是完全一样的，但是稍有不同,简称mmdet最简学习版，基于最简实现 更新可能是快时慢，在掌握每个细节后才会增加新代码，欢迎有兴趣的朋友共同学习，也欢迎提出意见 2 mmdetection和mmdetection-mini区别 整个框架结构和mmdetection 所有分析都有对应的代码注释，都在mmdetection-mini中。mmdetection源码分析千千万万，我没有必要重复劳动，再写一遍。故这里写的都是我自认为比较关键的，需要理解的部分。
1.4K10发布于 2020-12-14 - 来自专栏大数据智能实战
目标检测框架mmdetection框架的安装与测试
最近利用Conda终于成功安装了mmdetection，说实话，非conda的还真的不好装，特别在.complie的时候，即使成功，总是会出现各种问题，直到conda安装后，才明白之前的问题关键所在，即必须 cd mmdetection pip install cython # or "conda install cython" if you prefer conda . test_cfg=cfg.test_cfg) _ = load_checkpoint(model, 'https://s3.ap-northeast-2.amazonaws.com/open-mmlab/mmdetection
4.9K30发布于 2019-05-26 - 来自专栏往期博文
【目标检测】MMDetection的安装与基础使用
前言 MMDetection是商汤和港中文大学针对目标检测任务推出的一个开源工具包，统一标准化了很多前沿模型，为研究者复现代码提供了便利。 本篇就来尝试安装一下MMDetection并简单跑一下官方的示例教程。 /mmdetection MMDetection架构 首先安装之前，需要先简单了解一下MMDetection的架构，整体架构如下图所示[1]： MMDetection的底层是使用PyTorch进行编写， MMDetection仅仅是多个Codebases中的其中一个，除此之外，还有专用于图像分类的MMClassification，用于目标追踪的MMTracking等。 MMDetection安装很简单，查阅对照表，安装2.25.1版本即可。 pip install mmdet==2.25.1 安装完成之后，运行下面的程序进行检测。
4.9K20编辑于 2022-09-23 - 来自专栏OpenMMLab
MMDetection 3.0：目标检测新基准与前沿
时光荏苒，距离 MMDetection 上一个大版本 V2.0 的发布已经过去了两年。 因此，为了让 MMDetection 能够作为基准持续支持前沿算法，方便优秀 idea 的实现，经过半年的酝酿与设计，再经过半年的开发打磨，2022 年 9 月 1 日，MMDetection 3.0 MMDetection 3.0 经典模型的精度提升 活跃的用户与生态 用户的体验一直是 MMDetection 关注提升的重点。 同时，MMDetection 3.0 还支持了 SoftTeacher，用户可以基于 MMDetection 3.0 进行更多半监督检测方向的尝试。 想了解更多 MMDetection 3.0 相关内容，欢迎查看直播回放视频~ MMDetection 3.0 将持续更新，在支持更多前沿算法的同时不断提升易用性。
1.3K30编辑于 2022-12-30 - 来自专栏OpenMMLab
旋转~跳跃~检测王者 MMDetection 的好兄弟来啦！
在真实场景中，我们见到的图像不都是方方正正的，比如扫描的图书和遥感图像，需要检测的目标通常是有一定旋转角度的。这时候就需要用到旋转目标检测方法，对目标进行精确的定位，方便后面的识别、分析等高级任务。
1.5K20编辑于 2022-02-18 - 来自专栏GoCoding
MMDetection 快速开始，训练自定义数据集
本文将快速引导使用 MMDetection ，记录了实践中需注意的一些问题。 git clone https://github.com/open-mmlab/mmdetection.git cd mmdetection pip install -r requirements/build.txt 之后，进行推断， model: http://download.openmmlab.com/mmdetection/v2.0/faster_rcnn/faster_rcnn_r50_fpn_1x_coco /faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth conda activate open-mmlab cd mmdetection/ python 现有模型进行测试 准备数据集 下载 COCO 数据集，如下放进 mmdetection/data/coco/ 目录， COCO: http://cocodataset.org/ mmdetection
2.3K22发布于 2021-05-06 - 来自专栏AI算法与图像处理
MMDetection 训练自定义数据集
导读 上一篇讲到如何安装MMDetection，今天要分享如何使用 MMDetection 训练自定义数据集，其实非常简单！ mmdetection安装教程 | 踩坑总结 前言 深度学习发展到现在已经有很多优秀的模型，同时很多大公司也会在内部开发自己的框架，快速的实现业务，从而产生实际价值。 如下面的招聘要求一样，市场需要这些能熟练使用现有工具快速实现，MMDetection 是一个非常好的选择。 ? 为了便于记录和理解内容，这里将整篇文章的主要内容，绘制成思维导图的形式： ? /en/latest/2_new_data_model.html 有三种方法在MMDetection中支持新的数据集: 将数据集重新组织为COCO格式。 注意：MMDetection目前只支持评估COCO格式数据集的mask AP。因此，例如实例分割任务，用户应该将数据转换为coco格式。
2.6K20发布于 2021-03-14 - 来自专栏AI科技评论
动态 | 商汤科技正式开源 mmdetection 和 mmcv
AI 科技评论消息，10 月 12 日，商汤科技正式开源 mmdetection （https://github.com/open-mmlab/mmdetection）和 mmcv （https 据悉，mmdetection 检测库是基于商汤在 COCO 比赛（Detection 2018 winner）时的 codebase 重构，这个开源库提供了已公开发表的多种视觉检测核心模块，通过这些模块的组合 陈恺也第一时间进行解答，他表示，mmdetection 和 Detectron 主要有如下三点差异： performance 稍高 训练速度稍快 所需显存稍小 他进一步解释道，在 performance 上 ，由于 PyTorch 官方 model zoo 里的 ResNet 结构和 Detectron 所用的 ResNet 有细微差别（mmdetection 中可以通过 backbone 的 style 采用相同的 setting，Detectron 每个 iteration 需要 0.89s，而 mmdetection 只需要 0.69s。
2.4K20发布于 2018-10-25 - 来自专栏OpenMMLab
旋转~跳跃~检测王者 MMDetection 的好兄弟来啦！
在真实场景中，我们见到的图像不都是方方正正的，比如扫描的图书和遥感图像，需要检测的目标通常是有一定旋转角度的。这时候就需要用到旋转目标检测方法，对目标进行精确的定位，方便后面的识别、分析等高级任务。
94530编辑于 2022-04-08 - 来自专栏杨丝儿的小站
【星光04】Mmdetection3dlab 使用指南
MMDetection3D 是一个基于 PyTorch 的目标检测开源工具箱, 下一代面向3D检测的平台 对安装 MMDetection3D有问题的同学可以看：【星光02】MMDetection3D 如遇任何问题，可以查阅官方文档，MMDetection3D 的官方文档还是写得很好的（就是有一些多模态的代码跑不通，本文会注释部分问题命令） 一、数据预处理 官方对数据集预处理的文档：3D 目标检测 KITTI 数据集，流程如下： 解压所有 Kitti 数据集，并将文件按如下方式组织： mmdetection3d ├── data | ├── kitti | | ├── ImageSets 在 mmdetection3d/mmdet3d/models/ 中创建对应位置的模型组成成分，然后在配置文件中进行配置。 五、配置文件修改 官方：学习配置文件 mmdetection3d 源码学习 mvxnet（多模态融合） X、补充 官方教程：实用工具与脚本 # 显示载入的数据和真值标签 python tools
1.1K20编辑于 2022-04-11
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号