【代码阅读】mmdetection3d框架

本文博主分享了在使用MMDetection3D框架时遇到的安装问题,特别是import CV2与ROS冲突的解决方案,以及如何准备和处理Kitti数据集的过程,包括文件结构和关键文件解析。此外,还介绍了训练与测试步骤,以及常见问题如内存不足的处理方法。

最近在看mmdetection框架的源代码,许多的文章的源码都是基于这个框架写的。很有借鉴意义,所以我便在仔细看看,记录一下自己看的时候不太懂的问题及一些解决的办法。

安装

这个没啥好说的,就按get_started文档来操作就好,只是在跑demo.py的时候我遇到了一个问题:import CV2与ros冲突了,解决办法网络上很多,直接在demo.py加一句话移除到python2.6即可。

数据集准备

对于kitti数据集而言,我们主要要将数据集整理成如下的格式,方便代码调用及运行操作:

mmdetection3d
├── mmdet3d
├── tools
├── configs
├── data
│ ├── kitti
│ │ ├── ImageSets
│ │ ├── testing
│ │ │ ├── calib
│ │ │ ├── image_2
│ │ │ ├── velodyne
│ │ ├── training
│ │ │ ├── calib
│ │ │ ├── image_2
│ │ │ ├── label_2
│ │ │ ├── velodyne
│ │ │ ├── planes (optional)

和openpcdet是一样的,作者给出了一些下载的命令行,不过不知道为何我在ubuntu下载老是超时,所以我干脆去kitti官网下载了。还是给出官方的源码:

mkdir ./data/kitti/ && mkdir ./data/kitti/ImageSets
wget -c
https://raw.githubusercontent.com/traveller59/second.pytorch/master/second/data/ImageSets/test.txt
–no-check-certificate

### 如何获取 mmdetection3d 的预训练权重 mmdetection3d 是一个用于 3D 目标检测的强大开源框架,它提供了多种模型及其对应的预训练权重供用户下载和使用。以下是关于如何找到并下载 mmdetection3d 框架的预训练权重的方法: #### 官方文档指引 官方文档通常会提供详细的说明,包括不同模型架构的支持情况以及相应的预训练权重链接。可以通过访问 [mmdetection3d GitHub 页面](https://github.com/open-mmlab/mmdetection3d) 或其配套文档网站查找具体信息[^1]。 #### 权重存储位置 预训练权重一般存放在 Model Zoo 中。Model Zoo 是 OpenMMLab 提供的一个集中资源库,其中包含了多个经过验证的有效模型及其对应权重文件。例如,在 mmdetection3d 的 README 文件或者相关教程中,可能会有如下形式的链接指向具体的权重文件: - `checkpoints/xxx.pth` 表示该路径下的 `.pth` 文件即为所需权重。 以 KITTI 数据集上的实验为例,如果选择了 MonoFlex 单目 3D 检测方法,则可以在相应章节找到类似以下 URL 地址: ```plaintext http://download.openmmlab.com/mmdetection3d/v0.8.0/monoflex/mono_flex_dla34_kitti_2x8_mono3d_mgda_latest.pth ``` 上述地址可以直接点击下载所需的预训练参数文件[^3]。 #### 自动加载方式 除了手动指定外链之外,还可以利用脚本自动完成这一操作。比如运行测试代码前需确保环境变量已正确定义好基础目录结构;之后调用命令行工具即可一键拉取远程服务器上托管好的最新版本数据包到本地缓存区等待后续读取处理。典型做法是在配置文件里声明 model 字段时加入 pretrained 参数项指明来源出处[^2]: ```python model = dict( type='MonoFlex', backbone=dict(type='DLASeg', ...), neck=None, bbox_head=dict(..., num_classes=3), train_cfg={}, test_cfg={}, pretrained="http://path.to/pretrained_weights" ) ``` 注意:实际应用过程中可能还需要额外调整其他选项配合当前硬件条件达到最佳性能表现水平。 ---
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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
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