01.MMDetection3D训练

MMDetection3D训练

1 kitti数据集跑pointpillars模型

1.1 kitti_mini数据集

kitti_mini的数据地址:
链接:https://pan.baidu.com/s/1lKP9xViH3jVR1XBbv19VlQ 
提取码:kitt

注意:将文件名kitti_mini修改名称为kitti, 放在mmdetection3d/data/路径下。

1.2 修改config文件

mmdetection3d/configs/pointpillars/pointpillars_hv_secfpn_8xb6-160e_kitti-3d-3class.py
# dataset settings
data_root = 'data/kitti/'
class_names = ['Pedestrian', 'Cyclist', 'Car',  'Truck', 'Van', 'Tram', 'Misc']

注意:kitti_mini的数据集中还有一种类型是DontCare,它不属于检测的目标,所以不放在class_names列表中。

lr = 0.001
epoch_num = 16

# use_ground_plane修改为False
dict(type='ObjectSample', db_sampler=db_sampler, use_ground_plane=False),
    
train_cfg = dict(by_epoch=True, max_epochs=epoch_num, val_interval=8)

1.3 训练

# 【1】生成数据集信息
python tools/create_data.py kitti --root-path ./data/kitti --out-dir ./data
在使用 `mmdetection3D` 进行模型训练时,需要遵循一系列标准化流程,包括环境配置、数据准备、配置文件修改、模型训练与评估等步骤。以下是一个完整的训练流程概述: ### 环境配置 首先确保已经安装了 `mmdetection3D` 及其依赖项。推荐使用 Conda 创建虚拟环境,并安装必要的库: ```bash conda create -n mmdet3d python=3.8 conda activate mmdet3d pip install torch torchvision torchaudio pip install mmcv pip install mmdet3d ``` ### 数据准备 `mmdetection3D` 支持多种 3D 检测数据集,如 KITTI、NuScenes、Waymo 等。以 KITTI 数据集为例,需将其组织为以下目录结构: ``` mmdetection3d/ ├── data/ │ └── kitti/ │ ├── training/ │ │ ├── image_2/ │ │ ├── label_2/ │ │ ├── calib/ │ │ └── velodyne/ │ └── testing/ │ ├── image_2/ │ ├── calib/ │ └── velodyne/ ``` 接着,运行数据预处理脚本生成训练所需的标注文件: ```bash python tools/create_data.py kitti --root-path data/kitti --out-dir data/kitti ``` ### 配置文件修改 `mmdetection3D` 使用 `.py` 文件作为配置文件。可以在 `configs/` 目录下找到不同模型的配置文件,例如 `configs/pointpillars/` 下的 `pointpillars_hv_secfpn_6x8_160e_kitti-3d-3class.py`。根据实际需求修改配置文件中的参数,如学习率、优化器设置、数据增强策略等。 ### 模型训练 使用 `tools/train.py` 脚本启动训练过程。例如,训练 PointPillars 模型的命令如下: ```bash python tools/train.py configs/pointpillars/pointpillars_hv_secfpn_6x8_160e_kitti-3d-3class.py ``` 训练过程中,模型会自动保存在 `work_dirs/` 目录下,用户可以通过 TensorBoard 查看训练日志。 ### 模型评估 训练完成后,可以使用 `tools/test.py` 对模型进行评估: ```bash python tools/test.py configs/pointpillars/pointpillars_hv_secfpn_6x8_160e_kitti-3d-3class.py work_dirs/pointpillars/latest.pth --eval bbox ``` 该命令将输出模型在验证集上的性能指标,如 mAP、Recall 等。 ###
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

热衷技术的尼古拉斯

您的鼓励是我创作的最大动力。

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值