问题标签 [detectron]

我正在尝试在 Google Colab 上包含 Detectron2.data。我为 colab 和我的驱动器建立了连接。在那之后：

它工作没有任何错误。

我一直在尝试这个；

但输出是这样的： 在此处输入图像描述

我该如何解决？

我在视频上使用Mask-Rcnn 的detectron2实现，问题是在每一帧上，同一对象的分割颜色会发生变化。

是否有任何参数可以让我为对象类保留单一颜色。我已经尝试过detectron2.utils.visualizer.ColorMode(1) 但它不起作用

我正在使用具有以下配置的 Windows 10 机器 NVIDIA GeForce GTX 1650Ti miniconda3 python 3.8 CUDA 11.1 PyTorch 1.8 直接下载并从 PyTorch.org 安装用于 CUDA-11.1 我已尝试根据中给出的步骤安装detectron2

https://dgmaxime.medium.com/how-to-easy-install-detectron2-on-windows-10-39186139101c

我已经成功测试了 PyTorch 安装，但是在我进入第 5 步时给出的链接中

我的detectron2 设置失败，并给了我大量错误列表

运行 setup.py develop for detectron2 错误：命令出错，退出状态为 1：命令：'C:\Users\user\miniconda3\envs\torch\python.exe' -c 'import io, os, sys, setuptools, tokenize ; sys.argv[0] = '"'"'C:\Users\user\detectron2-windows\setup.py'"'"'; file ='"'"'C:\Users\user\detectron2-windows\setup.py'"'"';f = getattr(tokenize, '"'"'open'"'"', open)( file ) if os.path.exists( file ) else io.StringIO('"'"'from setuptools import setup; setup()'"'"');code = f.read().replace('"'"'\ r\n'"'"', '"'"'\n'"'"');f.
完整输出（3245 行）： 运行 develop 运行 egg_info 写入detectron2.egg-info\PKG-INFO 将dependency_links 写入detectron2.egg-info\dependency_links.txt 写入需求到detectron2.egg-info\requires.txt 写入顶级名称到detectron2.egg-info\top_level.txt 读取清单文件'detectron2.egg-info\SOURCES.txt'

.... 几乎持续了数百行。任何帮助将不胜感激。谢谢

我已经在自定义数据集上训练了一个 Faster RCNN 模型以进行对象检测，并希望在Videos上对其进行测试。我可以在图像上测试结果，但被困在如何为视频做这件事上。

这是图像推理的代码：

请有人让我知道如何调整此代码以检测视频？

使用平台：谷歌 Colab

技术栈：Detectron 2、Pytorch

我使用detectron2 来预测对象在图像中的位置。现在我正在尝试使用预测框来裁剪图像（在我的用例中，每个图像仅检测到 1 个对象/框）。与我的问题相关的代码部分如下。问题是它只裁剪图像的左侧，但我需要它（显然）裁剪顶部、右侧和底部，以便裁剪到检测到的对象的形状。原始图像的形状为 (x, y, 3)，因此它们是 RGB 图像。我错过了什么？

我也尝试了以下方法，但它从顶部修剪了太多图像，根本没有修剪图像的右侧或底部。

玩弄它，我能够使用以下内容裁剪检测到的框周围的图像，但这并不理想，因为我必须对其进行硬编码。

我一直在试图弄清楚如何在 Detectron2 中计算对象相似度（OKS），在我的自定义数据集中，每个图像有 4 个关键点，我想在训练期间正确提高对象关键点相似度的分数，因此我需要初始化simgas 值（cfg.TEST.KEYPOINT_OKS_SIGMAS）和一个值列表（每个关键点的每个 simga）。我已经彻底阅读了Object Keypoint Similarity，但不幸的是，我仍然不清楚如何找到这些值：

对于每个关键点类型 i，我们测量了每个关键点相对于对象尺度 s 的标准偏差 σi。也就是说，我们计算 σi^2=E[di^2/s^2]。

• s我们定义为对象段面积的平方根
• di是每个对应的地面实况和检测到的关键点之间的欧几里得距离

如果期望值取决于每个对应的地面实况和检测到的关键点之间的欧几里德距离，我们如何计算 Sigmas （标准差）值的时间头，该距离尚未计算？

有人可以举一个简单的例子，这样会更清楚，谢谢。

我想将detectron2 模型转换为另一个深度学习框架，即PyTorch、TensorFlow 或ONNX。我该如何进行这种转换？

我可以使用cfg（我相信这意味着在detectron2 术语中配置）对detectron2 模型进行推理。

目标是最终在 Nvidia Jetson Board 上运行 Detectron2 模型。因此，目标是转换模型。

我是深度学习的新手，并尝试使用 Detectron2 Mask R-CNN 进行细胞分割。我使用来自http://celltrackingchallenge.net/2d-datasets/的图像和掩码图像- HL60 细胞的模拟细胞核 - 训练数据集。我使用的文件夹在这里

我尝试在detectron2 colab tutorial中按照气球数据集格式创建和注册一个新数据集。我有 1 节课，“细胞”。

我的问题是，在我训练模型之后，在可视化预测时看不到掩码。也没有边界框或预测分数。可视化的注释图像是这样的，但预测的掩码图像只是这样的黑色背景。

我可能做错了什么？我做的colab在这里

我一直在使用 Detectron2 识别每张图像上的4 个关键点，我的虚拟数据集包含 1000 张图像，并且我应用了增强。

我在应用了这些变换之后检查了图像（每种类型的变换都单独测试过），看起来效果很好，关键点定位正确。

现在在训练阶段（keypoint_rcnn_R_50_FPN_3x.yaml）之后，我得到了一些相同的关键点，这意味着在许多图像中关键点重叠，以下是我的结果中的几个样本：

从另一张图片：

我已经将推理的结果与增强和不增强进行了比较，似乎通过增强，关键点几乎没有得到认可。天哪，怎么可能？

有人可以建议如何克服这些错误吗？我究竟做错了什么？

谢谢！

我添加了一个指向我的 google colab 笔记本的链接： https ://colab.research.google.com/drive/1uIzvB8vCWdGrT7qnz2d2npEYCqOxET5S?usp=sharing

我是detectron2的新手，这是我的第一个项目。在阅读了文档并使用教程作为指导后，我在自定义数据集上训练了我的模型并进行了评估。

我现在想通过加载这个保存的模型来预测我通过 API 收到的图像。我找不到任何可以帮助我完成这项任务的阅读材料。

为了保存我的模型，我使用此链接作为参考 - https://detectron2.readthedocs.io/en/latest/tutorials/models.html

我可以使用以下代码保存我训练有素的模型-

但是我仍然对如何实现我想要的东西感到困惑。我可以使用一些指导来说明我的下一步应该是什么。非常感谢任何可以提供帮助的人。