Interactive Multi-Class Tiny-Object-Detection 项目常见问题解决方案

Interactive Multi-Class Tiny-Object-Detection 项目常见问题解决方案

Interactive-Multi-Class-Tiny-Object-Detection 项目地址: https://gitcode.com/gh_mirrors/in/Interactive-Multi-Class-Tiny-Object-Detection

1. 项目基础介绍和主要编程语言

Interactive Multi-Class Tiny-Object-Detection 是一个用于训练和评估多类别小型目标检测的开源项目。该项目基于 CVPR 2022 论文，提出了一种新颖的交互式注释方法，通过少量的点状用户输入来注释多类别的小型目标。项目的主要特点包括小型目标数据集准备、训练数据合成与评估流程、晚融合模块（LF）、类别相关关联模块（C3）以及用户输入强化损失（UEL）。项目的主要编程语言为 Python，并依赖于 PyTorch 框架。

2. 新手在使用这个项目时需要特别注意的3个问题及解决步骤

问题一：如何安装和运行 Docker 环境

问题描述：新手可能不清楚如何安装和运行 Docker 环境，导致无法正确使用项目。

解决步骤：

1. 确保已经安装 Docker 环境。可以在终端输入 docker --version 来检查 Docker 是否已安装。
2. 克隆项目仓库到本地：

   git clone https://github.com/ChungYi347/Interactive-Multi-Class-Tiny-Object-Detection.git
   

3. 进入 Docker 文件夹并构建 Docker 镜像：

   cd Interactive-Multi-Class-Tiny-Object-Detection/docker
   bash build.sh ubuntu18.04-cuda9.2-cudnn7.6-python3.7-pt1.4.0
   

4. 运行 Docker 容器：

   bash docker_run.sh
   

5. 进入正在运行的 Docker 容器：

   docker exec -it [DOCKER CONTAINER ID] bash
   

6. 在 Docker 容器内安装外部库：

   bash install.sh
   

问题二：如何准备数据集

问题描述：新手可能不知道如何准备和分割数据集，导致训练过程中出现错误。

解决步骤：

1. 下载 DOTA-v2.0 数据集。首先下载 DOTA-v1.0 的图片，然后下载 DOTA-v2.0 的额外图片和注释。
2. 使用项目中的脚本将原始 DOTA-v2.0 数据集分割成 DOTA-Tiny 数据集：

   python DOTA_devkit/split_dataset_DOTA_Tiny.py --datapath [数据集路径]
   

问题三：如何运行训练和评估

问题描述：新手可能不清楚如何启动训练和评估过程。

解决步骤：

1. 确保已经正确安装了所有依赖项和准备数据集。
2. 运行训练脚本：

   python train.py --config [配置文件路径]
   

3. 运行评估脚本：

   python test.py --config [配置文件路径] --checkpoint [模型权重文件路径]
   

Interactive-Multi-Class-Tiny-Object-Detection 项目地址: https://gitcode.com/gh_mirrors/in/Interactive-Multi-Class-Tiny-Object-Detection