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.
video - Detectron2 视频对象检测
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
python - 如何使用 Detectron2 在视频上绘制经过训练的模型结果?
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
pytorch - 在 google colab 上使用 pytorch 在detectron2 中进行对象检测。重用已经训练的模型或导入现有的训练模型并预测对象
- 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。
- 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。 - 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:
python - 用新实例替换类的实例
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。
iteration - Detectron2中每次迭代多少张图像
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。
python - Detectron2 训练 keyerror
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
python - 空输出文件,Detectron2
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。
pytorch - 边界框的位置和大小不正确,如何提高它的准确性?
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。