问题标签 [detectron]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
python - balloon.py 中的 ['regions'] KeyError
在 Detectron2 示例中的 balloon.py 文件中,每当我在自定义数据集上运行 balloon.py 时,都会得到一个 KeyError of 'regions'。我发现 train 文件夹中的 json 文件有问题,所以我首先使用了最新的 VIA 3,然后使用了 VIA 2.0.0。两个 json 都会创建相同的 KeyError。
我将气球的训练 VIA json 与我的训练 VIA json 进行了比较,它们现在具有相同的结构,所以我认为这不再是 json 问题了。为什么 Python 不能将字符串作为键读取?
这是气球.py: https ://github.com/matterport/Mask_RCNN/blob/master/samples/balloon/balloon.py
python - 无法使用detectron2 恢复训练
我正在训练一个关于 Faster R CNN 架构的模型。对于第一个会话,我使用了以下配置:
我想继续我的训练。我有last_checkpoint
, metrics.json
,cfg.pickle
和model_final.pth
.
这是我 笔记本的链接
训练应该从 16001 次迭代开始,16000 次迭代的总损失约为 0.8。但是从 0 到 16000 次迭代,学习率没有从 0.0001 变化。当我通过 resume_or_load(resume=True) 继续训练时,显示以下错误
表明
这是为什么?
我在用,
- 蟒蛇:3.7.10,
- Detectron2:0.6,
- 手电筒:1.9.1cu101
databricks - 加速 Detectron2 的推理
我想弄清楚是否有办法加快 Detectron2 的推理。我目前在 Databricks 中使用数据科学 GPU 集群。我将设备设置为 CUDA。网络的架构是GeneralizedRCNN。使用 Detectron2 的 DefaultPredictor,每张图像大约需要 0.37 秒。当我扩大规模时,我需要它更快。我确实读过它可以通过降低图像分辨率来加速。我考虑这样做,但我发现我必须保存图像才能改变质量。有没有办法通过从 URL 打开图像而不保存它(例如with Image.open(requests.get(url, stream=True).raw) as image:
)来做到这一点?
np_image
上面只是一个表示为 Numpy 数组的图像。并且cfg
在下面。
deep-learning - Detectron 2:提案生成器为任何输入图像创建相同的提案框
我正在尝试部分运行检测器 2 模型以可视化测试图像上的建议框。
这给了我 1000 个提案框实例:
但是无论输入图像如何,这 1000 个建议框都保持不变。为什么会这样?
DefaultPredictor
这很奇怪,因为如果我通过对象运行整个模型
它通过准确的蒙版和边界框为我提供了完美的结果。这怎么可能?
pytorch - 运行detectron2 demo时出错,输入mp4视频
我尝试在detectron2中运行demo,发现当使用图像作为输入时,demo可以工作,但是当我将输入更改为视频时,它不起作用,这是日志 日志
python - 在 Mask2Former 模型 Pytorch 上预测 DefaultPredictor () 时出现内存泄漏
我想在 DefaultPredictor () 中推断 Mask2Former 模型,但是当我想预测超过 50 个单词时出现 RAM 溢出。如果我调用 DefaultPredictor(cfg),我的 google collab 崩溃并且我的 RAM 已满。我认为内存泄漏发生在推理函数中,我尝试使用 torch.no_grad() 和 gc.collect() 来优化 RAM 使用以清除缓存缓存,但 RAM 仍然崩溃。如何优化内存使用或重写推理函数?
来自https://github.com/facebookresearch/Mask2Former/blob/main/mask2former/maskformer_model.py#L344的源代码
google-colaboratory - 为不止一个事件绘制张量板 - Detectron2
我尝试在张量板上(在 colab 中)展示配置数量的测量值。但是,对于保存在输出目录中的所有事件,tensorord 仅代表最后一个。有没有办法改变它? 在此处输入图像描述
python - 在 python,Detectron2 中更改元数据值
我与 Detectron 合作进行全景分割。
我想将元数据值更改为我选择的值。特别是,我想用我写的另一本字典替换一本字典。
但我得到一个错误:
AssertionError: Attribute 'stuff_dataset_id_to_contiguous_id' in the metadata of 'coco_2017_train_panoptic_separated' cannot be set to a different value!
以下是我要更改的元数据:
MetadataCatalog.get(cfg.DATASETS.TRAIN[0])
-->
我想将stuff_dataset_id_to_contiguous_id更改为另一个字典。
我能做些什么?太感谢了。
object-detection - 目标检测:训练 Detectron2 Faster R-CNN 时出现异常警告
我正在尝试在自定义数据集上训练Detectron2 faster_rcnn_R_50_FPN_3x模型,在PublayNet数据集上进行预训练。在训练时,我收到以下警告:
经过进一步调查,我从这个链接发现上述警告消息是预期的,因为我的数据集与预训练模型的类数不同,并且必须跳过一些预训练的权重。
publaynet 有 5 个类{"text", "title", "list", "table", "figure"}
,而我的数据集正好有这 5 个类。但不幸的是,在 publaynet 上预训练的模型有 6 个类。不是应该有5节课吗?我对这个额外的课程感到困惑,感谢任何帮助!