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
等
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images
,annotations
,categories
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 width
宽 height
高 filename
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
中
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