Detectron2练习自己的实例朋分数据集This article was original written by Jin Tian, welcome re-post, first come with https://jinfagang.github.io . but please keep this copyright info, thanks, any question could be asked via wechat: 本文先容若何机关自己的类coco数据集,并用detectron2来练习并猜测。现实上detectron2出来已经有几天了。但这个框架小我感受离真正产业利用还有点间隔,首先第一点是欠好摆设,其次是相关的其他模子导出支持比力差,比如不支持onnx,同时即即是导出的onnx模子也很难用上一些加速框架停止加速,比如不支持TensorRT。但假如你不是追求速度,用python做推理也是可以的,而且最关键的是,你可以用你的数据集练习你的模子,大概是在这个框架上增加一些自己的点窜,看看结果能否是更好之类。 首先看看这个若何来练习自己的数据集。我们明天要用的数据是这个: wget https://github.com/Tony607/detectron2_instance_segmentation_demo/releases/download/V0.1/data.zip这篇文章很大鉴戒于原作者的一些尝试,感爱好的朋友可以给他github一个star,人家也不轻易。这个data是一个很是很是合适来测试朋分的一个微型数据集,小到什么水平?只要那末25张图片。。 种别大如果: cats: [{'supercategory': 'date', 'id': 1, 'name': 'date'}, {'supercategory': 'fig', 'id': 2, 'name': 'fig'}, {'supercategory': 'hazelnut', 'id': 3, 'name': 'hazelnut'}](这里date的意义是枣椰子,fig的意义是无花果,hazelnut是榛子。) 假如你下载好了数据,那末根基上我们可以起头了。大师可以看到这个数据集还有一个 Setup Detectron2关于若何安装detectron2这里不展开论述,大师可以依照github赐与的步调来。这里给大师几点提醒:
其他的没有了。 练习首先看一下这个很是小很是迷你的数据集,在100次练习以后的结果: Full source code: 注册完数据集以后,可以起头train,根基上几个epoch便可以。 可以看出来,这个结果还是很是不错的啊。练习的剧本也很是简单: import random from detectron2.utils.visualizer import Visualizer from detectron2.data.catalog import MetadataCatalog, DatasetCatalog import fruitsnuts_data import cv2 from detectron2.engine import DefaultTrainer from detectron2.config import get_cfg import os from detectron2.engine.defaults import DefaultPredictor from detectron2.utils.visualizer import ColorMode fruits_nuts_metadata = MetadataCatalog.get("fruits_nuts") if __name__ == "__main__": cfg = get_cfg() cfg.merge_from_file( "../../configs/COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x.yaml" ) cfg.MODEL.WEIGHTS = os.path.join(cfg.OUTPUT_DIR, "model_final.pth") print('loading from: {}'.format(cfg.MODEL.WEIGHTS)) cfg.MODEL.ROI_HEADS.SCORE_THRESH_TEST = 0.5 # set the testing threshold for this model cfg.MODEL.ROI_HEADS.NUM_CLASSES = 3 cfg.DATASETS.TEST = ("fruits_nuts", ) predictor = DefaultPredictor(cfg) data_f = './data/images/2.jpg' im = cv2.imread(data_f) outputs = predictor(im) v = Visualizer(im[:, :, ::-1], metadata=fruits_nuts_metadata, scale=0.8, instance_mode=ColorMode.IMAGE_BW # remove the colors of unsegmented pixels ) v = v.draw_instance_predictions(outputs["instances"].to("cpu")) img = v.get_image()[:, :, ::-1] cv2.imshow('rr', img) cv2.waitKey(0) 大师能够感觉这个instance segmention练习的太轻易,那末来应战难度大一点的? 确切,这个坚果数据集实在是太简单了,简单到我们甚至打印不出任何练习进程,一眨眼模子就练习好了。那就来个难度大一点的吧,我们将用Detectron2练习Cityscapes的实例朋分! Detectron2 练习Cityscapes实例朋分虽然在Detectron2里面有Cityscapes的数据dataloader,但我们并不筹算用它,相反,我们感觉利用同一化的coco数据集格式可以更好的让数据fit。当我们决议做这件工作的时辰犯难了。若何从Cityscapes转到coco? 幸亏有这个需求的人很多,这值得我们开辟一个工具来转它。我们保护的现成的工具剧本可以在这里找到: https://github.com/jinfagang/cityscapestococo 现实上我们将数据转到coco以后,发现结果我们设想的还好,由于这些标注都很是精准,而且包括了我们感爱好的常用种别,比如car,truck,rider,cyclist,motor-cycle等: 这是可视化的结果。这些步调与我们上面练习坚果数据集的步调差不多,大师仿制步调来,首先可视化数据确保我们的数据是正确无误的。那末接下里的工作就很简单了。 看起来似乎还不错,这些种别众多而精准,接下来起头train: 看起来似乎还不错。现在练习一个instance segmentation 简直是太简单了。 那末这个instance segmention模子练习完成以后是一种什么样的结果呢?模子还在练习,我们等下一期技术文章公布以后,给大师分享一下成果,同时,告诉大师一个好消息:
本文首发于MANA AI社区,假如你对AI感爱好,接待加入我们的社区一路交换: |
整理了网上的公开数据集,分类下载如下,希望节约大家的时间。1.经济金融1.1.宏观经济
在这个用数据说话的时代,能够打动人的往往是用数据说话的理性分析,无论是对于混迹职
做数据可视化或者数据分析的朋友可能经常会碰到的问题就是有想法没有数据。想到我有几
Detectron2训练自己的实例分割数据集This article was original written by Jin Tian,
我们常常会遇到数据不足的情况。比如,你遇到的一个任务,目前只有小几百的数据,然而
如果有两名篮球手A和B,本来,无论是两分球还是三分球,A都要比B投得准,但是一个赛季
数据源:NUMBEO自从我的“randy77:数据看中国vs世界:2020年世界各国人均GDP最新排名
本文是《如何快速成为数据分析师》的第五篇教程,如果想要了解写作初衷,可以先行阅读
1.什么是数据库呢?每个人家里都会有冰箱,冰箱是用来干什么的?冰箱是用来存放食物的
本文是《如何快速成为数据分析师》的第六篇教程,如果想要了解写作初衷,可以先行阅读
近期成为月入两万的数据分析师的广告遍地都是,可能会对一些未入行的同学造成错觉。我
1. 你问不少同学加了微信,第一句往往类似这样: 在校或刚毕业的学生,没有实习经验,
我把每个函数的中文名都制作成了目录,通过目录能够快速定位到相应的函数。如果这篇文
写论文至关重要的一步就是查文献,为了让小伙伴们能够在查文献的路上少走弯路,顺利写
30个数据可视化工具(2020年更新)目录摘要• 零编程工具◦ 图表(9个)◦ 信息图(2
最近很多人私信询问如何看待出生人口或人口总量减少对征集兵员和国家安全的影响。这可
人类发展指数:Human Development Index(HDI),是联合国开发计划署从1990年开始发布
刚学习GIS和RS的同学肯定很困惑于数据的问题,因为没有数据,就没法分析,那么GIS最基
2022重磅数据公布,全年出生人口956万人,死亡人口1041万人。从性别构成来看,男性人
本文从数据中台的定义、核心能力、优点出发阐述企业数据中台建设的意义与必要性。一、
声明:本站内容由网友分享或转载自互联网公开发布的内容,如有侵权请反馈到邮箱 1415941@qq.com,我们会在3个工作日内删除,加急删除请添加站长微信:15924191378
Copyright @ 2022-2024 私域运营网 https://www.yunliebian.com/siyu/ Powered by Discuz! 浙ICP备19021937号-4