mmdetection | 笔记

环境

DBC相关配置

FileZilla

主机：sftp://111.44.254.168
用户名：root
密码：zheshimima
端口：12876

ssh

windows：C:/Users/ShiNian/.ssh/id_rsa.pub
linux：/root/.ssh/authorized_keys/
windows的移动到linux下

Nextcloud

位置：/data/nextcloud/dbc2017/files/
（本地下载好git的库然后上传到目录下）

mmdet

mmcv

conda create -n mmdet python=3.7 -y
conda activate mmdet
conda install pytorch torchvision cudatoolkit=10.1 -y
## mmcv
#option-1
git clone https://github.com.cnpmjs.org/open-mmlab/mmcv.git
cd mmcv
pip install .
#option-2
pip install mmcv-full==latest+torch1.5.0+cu101 -f https://openmmlab.oss-accelerate.aliyuncs.com/mmcv/dist/index.html
cd ../
git clone https://github.com.cnpmjs.org/open-mmlab/mmdetection.git
cd mmdetection
pip install -r requirements.txt # 需要提前将对应txt中的“github.com”换成“github.com.cnpmjs.org”
# pip install -r requirements/build.txt
pip install "git+https://github.com.cnpmjs.org/open-mmlab/cocoapi.git#subdirectory=pycocotools"
#pip install -v -e .
python setup.py develop #pip install -v -e . #替代上面的那一行（https://blog.csdn.net/qq_41375609/article/details/106512843）

创建自己的数据集

https://zhuanlan.zhihu.com/p/119456263 https://zhuanlan.zhihu.com/p/101983661

# cd mmdetection
mkdir data
# 创建软链接
export COCO_ROOT=/data/nextcloud/dbc2017/files/coco
ln -s $COCO_ROOT data

配置好自己的配置文件后，使用下列命令来检验配置文件是否规范

python /path/to/config

pycocotools

https://blog.csdn.net/u013832707/article/details/94445495

训练

配置文件

配置解析

• 8个batch 对应lr=0.01

colab

colab mmdet

!python -W ignore::UserWarning  tools/train.py /content/mmdetection/configs/faster_rcnn_r101_fpn_1x.py

分析

tools 下：train->test->test_robustness->robustness_eval

基础知识

数据集格式

https://www.geek-share.com/detail/2776336514.html https://github.com/spytensor/prepare_detection_dataset

coco

https://blog.csdn.net/u012609509/article/details/88680841

• 目录格式

  

• json 格式

  • 根目录

    

  • 子目录

    • info（可空，dict）

  - licenses（可空，list）

  - images（list）

  - annotations（list[dict]）

  - categories（list）

voc

• 目录格式

• xml格式

一个图片对应一个 xml 文件，xml 中的 object 表示标注了一个对象。

<annotation>
    <filename>2012_004331.jpg</filename>
    <folder>VOC2012</folder>
    <object>
        <name>person</name>
        <bndbox>
            <xmax>208</xmax>
            <xmin>102</xmin>
            <ymax>230</ymax>
            <ymin>25</ymin>
        </bndbox>
    </object>
    <segmented>0</segmented>
    <size>
        <depth>3</depth>
        <height>375</height>
        <width>500</width>
    </size>
    <source>
        <annotation>PASCAL VOC2012</annotation>
        <database>The VOC2012 Database</database>
        <image>flickr</image>
    </source>
</annotation>

labme

yolo

Pr Re AP

目标检测中的AP，mAP

其他

查询cuda、cudnn

cat /usr/local/cuda/version.txt
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

pip 更新失败导致 pip 丢失

https://blog.csdn.net/wwangfabei1989/article/details/80107147

python -m ensurepip
python -m pip install --upgrade pip

colab 连接到本地时

https://juejin.im/post/5d07b8cd6fb9a07eb94f8c94

本地运行

pip install jupyter_http_over_ws
jupyter serverextension enable --py jupyter_http_over_ws
jupyter notebook \
  --NotebookApp.allow_origin='https://colab.research.google.com' \
  --port=8888 \
  --NotebookApp.port_retries=0

然后在 colab 选择连接到本地时即可

tensorboard 显示错误

e.g.

tensorflow_core._api.v2.errors' has no attribute 'raise_exception_on_not_ok_status'

此时，卸载所有tensorboard版本，运行

# pip uninstall tensorboard
pip install tb-nightly

安装最新版本即可

OSError: [Errno 40] Too many levels of symbolic links

使用绝对路径

OOM during the training process

可能是因为尺寸改变导致内存上升
可能是因为图片中gt number数量上升导致

tensorboard command not found

python -m tensorboard.main --logdir=logs

jupyter notebook指定目录打开

jupyter notebook ${MY_DIR}

cv2.rectangle : function takes exactly 4 arguments (2 given)

将位置参数换成整数 int类型，浮点数不行（真的是**）

显示字符错误

一般是因为编码问题，要么是结尾的换行符，要么是空格等符号。
编辑器->微信 微信->编辑器
然后就报错了，我** *

参考

总体
mmdetection中文文档
目标检测框架mmdetection入门
【干货】mmdetection使用coco格式的CrowdHuman数据集进行训练及测试（附调参过程）
mmdetection - 基于PyTorch的开源目标检测系统
目标检测比赛中的tricks
mmdetection2.0 （v2.0.0版本）环境搭建、训练自己的数据集、测试以及常见错误集合