DEIM 项目使用与配置指南

DEIM 项目使用与配置指南

DEIM [CVPR 2025] DEIM: DETR with Improved Matching for Fast Convergence 项目地址: https://gitcode.com/gh_mirrors/de/DEIM

1. 项目的目录结构及介绍

DEIM（DETR with Improved Matching for Fast Convergence）项目是一种先进的训练框架，旨在提高DETRs中的匹配机制，以实现更快的收敛速度和改进的准确性。以下是项目的目录结构及各部分功能的介绍：

DEIM/
├── configs/           # 配置文件目录，包含不同模型和数据的配置文件
├── engine/            # 包含训练和测试的核心代码
├── figures/           # 存储项目相关的图像和图表
├── tools/             # 包含项目所需的工具和脚本，如数据转换、模型导出等
├── .DS_Store          # Mac OS X系统生成的目录快捷方式文件
├── .gitignore         # 指定git忽略的文件和目录
├── LICENSE            # Apache-2.0 许可证文件
├── README.md          # 项目说明文件
├── requirements.txt   # 项目依赖的Python包列表
├── train.py           # 项目的主训练脚本

2. 项目的启动文件介绍

项目的启动和训练主要通过 train.py 脚本进行。以下是 train.py 的基本用法：

CUDA_VISIBLE_DEVICES=0,1,2,3 torchrun --master_port=7777 --nproc_per_node=4 train.py -c configs/deim_dfine/deim_hgnetv2_${model}_coco.yml --use-amp --seed=0

该命令会使用多个GPU（通过 CUDA_VISIBLE_DEVICES 指定）来训练模型，-c 参数指定了配置文件，--use-amp 启用自动混合精度训练，--seed 设置随机种子以获得可重复的结果。

3. 项目的配置文件介绍

配置文件位于 configs/ 目录下，它们定义了模型的结构、训练的超参数、数据加载器等。以下是一个配置文件的示例结构：

# 示例配置文件：deim_hgnetv2_l_coco.yml
optimizer:
  type: AdamW
  params:
    - lr: 0.000025
    - weight_decay: 0.0001
train_dataloader:
  dataset:
    type: CocoDetection
    img_folder: /data/COCO2017/train2017/
    ann_file: /data/COCO2017/annotations/instances_train2017.json
    transforms:
      type: Compose
      ops:
        - type: Resize
          size: [640, 640]
val_dataloader:
  dataset:
    type: CocoDetection
    img_folder: /data/COCO2017/val2017/
    ann_file: /data/COCO2017/annotations/instances_val2017.json
    transforms:
      type: Compose
      ops:
        - type: Resize
          size: [640, 640]

在这个配置文件中，optimizer 定义了优化器的类型和参数，train_dataloader 和 val_dataloader 定义了训练和验证数据加载器的相关设置，包括数据集类型、图像文件夹路径、注释文件路径和图像变换等。

用户可以根据需要修改这些配置文件，以适应不同的训练需求和数据集。

DEIM [CVPR 2025] DEIM: DETR with Improved Matching for Fast Convergence 项目地址: https://gitcode.com/gh_mirrors/de/DEIM