问题标签 [detectron]

我使用detectron2运行对象检测代码。我训练了网络，它在图像上运行良好。现在我想在视频上测试它，但是当我运行视频时，它没有检测到我的任何标签，更重要的是，它检测到未经训练的对象，这意味着我的代码使用了其他模型路径。

我是这个领域的新手，所以我找不到需要更改的行。我在哪里输入训练有素的模型？

谢谢

我是使用 Detectron2 的新手。我想从本地驱动器加载视频。然后，使用我训练有素的模型使用 Detectron2 的 VideoVisualizer 进行检测。

我试图找到一个关于这个的教程。但它不存在。请问我该怎么办？

谢谢

1. 首先，我下载了训练模型的输出文件夹，并将其导入到 google colab 服务器上的一个新项目中。
2. 在没有训练模型的新项目中，我model_final.pth将现有输出文件夹的路径指定为cfg.MODEL.WEIGHTS=/content/output/model_final.pth。但进入无限循环。3.我改变了模型的权重cfg.MODEL.WEIGHTS = "detectron2://COCO-Detection/faster_rcnn_R_101_FPN_3x/137851257/model_final_f6e8b1.pkl"。但它仍然不能预测物体。
3. 我更改了模型权重路径并提供了先前训练的模型指标JSON文件，但它仍然无法正常工作 cfg.MODEL.WEIGHTS=/content/output/metrics.json 5.By using DetectionCheckpointer(model).load("/content/output/model_final.pth") DetectionCheckpointer(model).load("detectron2://COCO-Detection/faster_rcnn_R_101_FPN_3x/137851257/model_final_f6e8b1.pkl") ，它给出了错误模型未定义。这是什么model_final.pkl文件？我们从哪里得到的？我们应该怎么做才能导入现有的火车模型并预测新项目中的对象？

上面的代码进入一个无限循环

错误：

我已经在 google colab server 免费服务器上训练了 Detectron2 模型。

上面的代码创建了一个“输出”文件夹，其中有 4 个文件：model_final.pth、metrics.json、last_checkpoint 和 events.out.file

我可以使用这个模型进行预测

当 colab 本地会话未过期时，一切正常。

问题：

1. 当我将此输出文件夹安装在未导入模型的其他位置时。
2. 如何使用 .pth 保存的模型进行预测？
3. 如何重用detectron2训练的模型进行预测..？

我正在研究detectron2对象检测。我在过滤检测到的对象时遇到问题。

这是detectron2的预测输出：

我进行了过滤并创建了一个带有预测对象类、分数和框的新列表（dict）。我想在图像上绘制和可视化它：

过滤代码：

现在，我可以得到过滤后的值，如下所示：

将此值传递给 Visualizer 时，出现以下错误：

原始输出的数据类型是类实例：

新创建的过滤输出的输出是一个列表（dict）：

我的目标是根据过滤分数绘制边界框。我一直在尝试替换输出的原始值，但没有成功。请在这方面提供帮助。

我是使用detectron2的新手，只是学习它。这可能是一个菜鸟问题，但我真的需要答案。我没有发现与存储库中的时代数有关的任何信息。

我们知道，epoch 意味着所有数据一次通过模型，batch 意味着整个数据集的某个子集，它具有通过梯度下降影响损失的能力。在这个模型中，（Detectron2）我们有一个叫做迭代的东西。这个迭代是什么意思？这是否意味着一批通过模式或一个时期（考虑到每次迭代的时间不应该是这种情况）

我的问题是，我怎么知道将所有图像传递给模型的最小迭代次数，至少一次。

我正在尝试使用detectron2 训练我自己的COCO 数据集，但是当我开始自己的训练时，我遇到了一个关键错误

KeyError：'category_id

所以我回去检查我的 COCO json 文件，但是 json 文件是以标准 COCO 格式输出的，不知道是什么导致了问题

ps我正在用detectron2示例代码训练数据，所以我认为应该没有问题

我正在学习如何很好地使用detectron2。我可以预测边界框。但是，我也想把边界框坐标放在图像上。为此，我使用 cv2.putext 库。但它没有用。您能否使以下代码可以在图像上显示边界框坐标？

我想用 Detectron2 创建身体姿势估计器。我一直在尝试在本地运行以下代码来读取视频文件，逐帧进行预测并使用处理后的帧录制视频。但它不能正常工作。如果我可以这样说，它会创建空文件并显示此类错误（下图）错误。所以我寻求帮助，因为我不明白出了什么问题。

我正在使用 detectron2 来解决分割任务，我正在尝试将对象分类为 4 个类，因此我使用了COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x.yaml。我应用了 4 种增强变换，训练后我得到大约 0.1 的总损失。

但是由于某些原因，bbox 在测试集上的某些图像上的准确率不是很高，bbox 要么被绘制得更大要么更小，或者没有覆盖整个对象。

此外，有时预测器绘制的 bbox 很少，它假设尽管只有一个对象，但几乎没有不同的对象。

有什么建议可以提高它的准确性吗？

有没有什么好的实践方法来解决这个问题？

任何建议或参考资料都会有所帮助。