OpenMMLab 实战营打卡 - 第 5 课

Posted seeleyuan

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了OpenMMLab 实战营打卡 - 第 5 课相关的知识,希望对你有一定的参考价值。

OpenMMLab 实战营打卡 - 第 5 课

注:本博客仅用于个人上课随手笔记

计算机视觉之目标检测代码教学

一、上课笔记

1.mmdetection

主要任务:可以进行目标检测,实例分割和全景分割。

检测器detector主要结构:

backbone:主干特征提取网络

neck:特征融合

roi_head:不同网络不同任务都会有差异,可以选择一些bbox_head,实例分割还有mask_head

以目标检测为例,其主要流程如下

其他结构定义和mmcls差不多,使用的是mmlab2.0风格。

2.主要数据集

Coco数据集,可用于目标检测,实例分割,全景分割的任务。

Coco数据集格式介绍:

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-i638lHmE-1675842796594)(https://yuan-1314071695.cos.ap-nanjing.myqcloud.com/imgimage-20230208153336355.png)]

主要包含了imagesannotationscategories三个目录,分别代表原图片,图片的注解(标签),类别。

image

id图片id widthheightfilename文件名 license 使用合法性信息

anootations

segmentation为实例分割的信息,即一系列小的坐标点。

其中polygon格式:n个坐标,每个坐标有两个维度,共2 * n个值

bbox目标框信息,x y为左上角坐标,即离左上角的像素距离。

width height是框的长和宽,所有框的信息都会存到annotations

category_id :检测框所属类别

categories

3.常用训练策略

二、课程疑惑

1.学习训练策略中,为什么训练是12或24轮轮?这么少的轮数能完成训练而不会导致欠拟合吗?

以上是关于OpenMMLab 实战营打卡 - 第 5 课的主要内容,如果未能解决你的问题,请参考以下文章

OpenMMLab 实战营打卡 - 第 5 课

OpenMMLab 实战营打卡 - 第 二 课

OpenMMLab 实战营打卡 - 第 三 课

OpenMMLab 实战营打卡 - 第 六 课 语义分割

OpenMMLab 实战营打卡 - 第 四 课 目标检测算法基础

OpenMMLab 实战营打卡 - 第 五 课