问题标签 [detectron]

我正在尝试将 Detectron 2 模型转换为 Core ML。我已经编写了脚本，现在我有一个“torch.jit._script.RecursiveScriptModule”类型的模型。如果我尝试使用以下代码将其转换为 Core ML：

我收到以下错误：

RuntimeError：在降低图形时遇到未知类型的布尔值。ONNX 导出不支持此类型。

我使用以下代码编写了模型脚本（如 Detectron 的文档中所示）

您知道将我的 Detectron2 模型转换为 Core ML 的其他方法吗？

非常感谢你的帮助！

是否可以运行人体姿态估计和识别其他物体（如汽车、动物等）的物体检测？

我正在从事的项目涉及对象检测和单关键点回归（到对象上）。我在两个框架之间犹豫不决：

• Detectron2 文档似乎更好，但模型动物园似乎很小。

• MMDetection 似乎更难使用，但模型动物园似乎非常庞大。

• MMdection 似乎不提供关键点检测。

有人对选择哪个框架有一些提示吗？

我想将detectron2（或mmdetection）用于我的多类多标签对象检测任务。我正在使用 DriveU Traffic Light Dataset，我想根据灯泡编号 + 方向检测交通灯（状态并不重要）。因此，每个红绿灯都有两个标签。

我检查了detectron2和mmdetection，但没有现成的解决方案多类多标签检测。此外，我搜索了两个 repos 中的问题部分，但找不到真正有用的东西（只是一些提示）。我还试图弄清楚如何为detectron2 实现它，但我有点不知所措，因为我无法跟踪某些变量。此外，我注意到（至少对于detectron2）实用程序是基于单标签类别ID 制作的，因此还有其他需要更改的东西，而不仅仅是我认为的模型和数据加载器。

我要问的是有没有人在detectron2或mmdetection上完成了任何类型的多类多标签检测，他/她可以分享它，这样我就可以为我的任务找到一个起点。

我也愿意提供建议和建议。谢谢你。

希望你做得很好！

我并没有真正理解detectron2 colab notebook教程中的这两行，我尝试查看官方文档但我不太了解，有人可以向我解释一下：

我提前感谢您，并祝您有美好的一天！

我有一个detectron2检测模型训练并保存（由其他人）作为文件model.pth，我还有一个cfg.yaml文件，指定权重路径作为路径model.pth如下：

在里面cfg.yaml我们有这条线 WEIGHTS: /var/azureml-app/azureml-models/detect_containers/1/outputs/model.pth

我注意到我之前的人（训练模型的人..）使用该cfg.yaml文件来创建预测器配置，如下所示：

他在scoring.py用于将模型部署为 azureML 中的 Web 服务的脚本的 run 函数中创建并使用了他的预测器。

所以这里的问题是我无法访问这个人的 azureML 帐户或工作区，所以当我尝试自己部署模型时，我收到错误主要是路径错误，表明/var/azureml-app/azureml-models/detect_containers/1/outputs/model.pth找不到文件，所以我将文件上传到我的 azureML 工作区在与我的笔记本相同的文件夹中，但显然，这也不起作用，因为我提供的路径被认为是本地路径，并且在部署模型时，我猜它基本上是远程 Microsoft 服务器（我不知道它的文件是如何组织的，所以我没有路径）。

我还尝试创建一个具有相同名称的新模型，并将文件上传到该模型以便在部署期间使用这一行： model_path = os.path.join(os.getenv('AZUREML_MODEL_DIR'), 'model.pth') 这样我设法避免了路径错误，但是一旦模型被部署，我就无法测试它，因为甚至在日志中也没有解释的评分 URI 错误。

通常，该模型是功能性的（因为它之前已被训练它的人部署和使用过，哈哈）。

那么你们对我应该如何解决这个问题或如何解决它有任何想法吗？有没有人有任何资源来解释如何在部署文件后获取文件的路径，就个人而言，一旦部署了模型，我觉得它就像在一个黑色的魔法盒子里，我看不到文件是如何组织的远程微软服务器。

尝试在 azureML notebook 中执行此代码块时出现上述错误：

有谁知道为什么？顺便说一句，我正在使用的 conda 环境是这样的：

我先谢谢你！

我正在尝试以 onnx 格式（model.onnx）导出detectron2 模型，并使用导出的文件（model.onnx）对onnxruntime 进行推理。

为此，我尝试导出detectron2（model_zoo）提供的著名实例分割模型，我成功获取了model.onnx文件，但我无法使用它进行推理，谁能告诉我我做错了什么?

这是一个共享的 google colab 笔记本，其中包含我的代码 https://colab.research.google.com/drive/11BB-iufQCmwHoRzS4iBFwH7SqasDOik8?usp=sharing

注意：为了修改文件，您必须在驱动器中制作一份副本！

我提前谢谢你

我想使用 Lime ( https://github.com/marcotcr/lime ) 对使用 Detectron 2 ( https://github.com/facebookresearch/detectron2 )训练的分类器进行预测。然而，石灰需要图像解释的预测概率函数。我无法做到这一点。有人可以帮忙吗？谢谢你。

我有一个疑问，有人可以告诉我如何在生产中监控对象检测模型，相关文章会有所帮助。

我已经使用 PyTorch 构建了 FasterRCNN，我正在将我的模型转移到生产中我想知道我们考虑使用哪些统计数据和哪些参数来监控模型或重新训练模型。

早些时候，我已经将回归模型生产到生产中，并使用统计测试来监控数据漂移和模型漂移。

有人可以告诉我如何监控对象检测模型吗？

提前致谢