解决mmdetection显示mask的问题

最新推荐文章于 2025-02-13 14:18:29 发布

旧世界与新森林

最新推荐文章于 2025-02-13 14:18:29 发布

阅读量5.1k

点赞数 1

文章标签：自动驾驶自然语言处理 pytorch 机器学习

本文链接：https://blog.youkuaiyun.com/jiushijie/article/details/106393546

版权

本文记录了在mmdetection2.0版本中遇到的显示mask错误及解决过程，包括官方Faster R-CNN模型以外的模型如何正确显示mask，涉及对源码的修改以及调试步骤。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

最近mmdetection更新了2.0版本，更新了一点api。写一下自己的笔记吧
官方给出的测试demo是使用faster-rcnn模型，而我在使用别的模型时，尝试想画出mask的时候一直报错，如下：

Traceback (most recent call last):
  File "demo.py", line 21, in <module>
    show_result_pyplot(model, img, result, score_thr=0.3)
  File "/mmdetection/mmdet/apis/inference.py", line 146, in show_result_pyplot
    img = model.show_result(img, result, score_thr=score_thr, show=False)
  File "/mmdetection/mmdet/models/detectors/base.py", line 211, in show_result
    mask = maskUtils.decode(segms[i]).astype(np.bool)

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

旧世界与新森林

关注关注

1
点赞
踩
7

收藏

觉得还不错? 一键收藏
10
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

mmdetection训练过程loss为nan

m0_63947712的博客

06-08

784

注：不是所有的总配置文件都有lr字段，但是如果有的话就要做相应修改，例如./configs/faster-rcnn/faster-rcnn_r50_fpn_1x_coco.py就没有，如下图。修改lr，./config/retinanet/retinanet_r50_fpn_1x_coco.py里的lr默认是0.01，可以修改得和上面第一处一样（修改得不一样似乎也不会报错）②打开总配置文件，例如我这里使用的是./config/retinanet/retinanet_r50_fpn_1x_coco.py。

MMDetection: Open MMLab Detection Toolbox and Benchmark

abrams90的专栏

07-16

2102

Abstract：本文提出了一个包含丰富的目标检测与实力分割算法以及相关组件与模块的目标检测工具箱，称为MMDetection。这个工具箱最开始是作为COCO Challenge2018检测跟踪冠军队伍的codebase。最终这个工具箱演化成了一个包括许多流行的目标检测方法与相关模块的统一平台。它不仅包括训练与推理代码，还提供了超过200种网络模型权重。我们认为这个工具箱是目前最完善的检测工具箱。本文中，我们会介绍这个工具箱的多样化特征。此外，我们还对不同方法、组件以及超参数进行了ben...

10 条评论您还未登录，请先登录后发表或查看评论

mmdetection的mask输出

m0_46246301的博客

05-08

1863

mmdetection好像不是很想输出mask，没有帮我们保存下来，我们只能自己去保存一下

解决mmdet 训练提示gt_mask = instance[‘mask‘] KeyError: ‘mask‘

closejudge的博客

10-11

1322

该字段为通过coco数据集”annotations“中的“segmentation”来计算mask，检查一下coco数据集中的“segmentation”是否为空。可以将“bbox”传入“segmentation”

利用DeepDataSpace平台快速进行实例分割，并转化数据集

m0_58809631的博客

02-13

483

进入官网右下角可以快速体验。

mmdetection 中 Mask Rcnn检测结果可视化（DICE计算、PR曲线绘制等）

onepunch_k的博客

05-15

6581

mmdetection结果可视化的一些操作

KeyError: ‘Cascade Mask R-CNN‘

叶子的博客

06-06

5931

KeyError: 'Cascade Mask R-CNN'

pytorch maskrcnn 报错.

走错路的程序员

11-10

1158

今天用 torchvision 官方提供的maskrcnn 版本是可以运行的. 单独可以跑, 后来合并到我的系统里就不能运行了, 报下面的错误. 搞了2个多小时. class Compose(object): def __init__(self, transforms): self.transforms = transforms def __call__(self, image, target): for t in self.transforms:

【mmdetection】mmdetection推理时，去掉显示结果框的文字标注以及置信度

Gorgeous_wxd

02-16

4982

路径：mmdetection/mmdet/core/visualization/image.py 更改的地方是在imshow_det_bboxes这个函数中更改后的image.py文件 # Copyright (c) OpenMMLab. All rights reserved. import matplotlib.pyplot as plt import mmcv import numpy as np import pycocotools.mask as mask_util from matplotli

MMDetection：Open MMLab Detection Toolbox and Benchmark

weixin_69812754的博客

12-13

784

在目标检测中，批量大小通常远小于分类，典型的解决方案是使用预训练的主干网络的统计数据，并且在训练期间不更新它们，表示为FrozenBN。其他设置和模型架构保持不变。同时还有Bounded IoU Loss、IoU Loss、GIoU Loss、Balanced L1 Loss以及L1 Loss，这些损失通常在不同的方法和设置中实现，，论文中在相同的环境中评估了所有损失，发现性能随着分配给回归损失的不同损失权重而变化，因此，可以执行粗略的网格搜索来找到每种损失的最佳损失权重，通过调整损失权重可以提高性能。

mmdetection中Maks-rcnn在检测过程中如何不显示检测框只显示分割

最新发布

03-25

好的，我现在需要回答用户关于如何在MMDetection中使用Mask R-CNN进行推理时仅显示分割掩码而不绘制边界框的问题。首先，我得回忆一下MMDetection的框架结构和相关API。用户提到他们想仅显示分割掩码，不绘制边界...

maskrcnn不识别物体，显示*** No instances to display *** 是怎么回事

weixin_42596246的博客

01-09

582

如果在使用 Mask R-CNN 模型进行物体检测时，结果显示 "No instances to display"，可能是因为模型没有检测到任何目标。这可能是由于图像中没有目标物体，或者是由于图像质量太差导致模型无法正确识别目标。另外，"No instances to display" 的错误信息还可能是由于模型配置不正确导致的。例如，如果模型被训练用于识别一类物体，但是在检测时输入了另一类物体...

MMdetection遇到问题：FormatCode() got an unexpected keyword argument ‘verify‘

m0_70098011的博客

09-26

1991

通过mmdetection训练mask-rcnn模型，结果发生报错。

【mmdetection】参数解析

mjiansun的专栏

06-19

8785

图片输入大小解析 1.单尺度输入： train_pipeline = [ ...... dict( type='Resize', img_scale=(1333, 800), keep_ratio=True), ...... dict(type='Pad', size_divisor=32), ] 实际输入缩放计算方式： max_long_edge = max(img_scale) max_short_edge =

Mask-Rcnn相关问题

weixin_42608740的博客

03-29

264

Mask-Rcnn结果待解决：这个网络虽然跑通了，但是结果真的是不敢恭维，我的天啊，这也太折磨人了，具体哪里错了还不清楚，也希望有明白的朋友给个解决方式。

mmdetection使用记录（二）

qq_69469062的博客

01-16

1040

mmdetection使用记录（二）

【有坑待填】Maskrcnn mmdetection 人像分割结果抠图二值化原图提取像素点操作

m0_49687072的博客

11-02

3214

在mmdetection的测试样例中，用单张图片，观察maskrcnn算法的分割结果，同时抠出单张人像图

【mmdetection】mmdetection批量推理图片并保存到文件夹

Gorgeous_wxd

02-19

4736

from argparse import ArgumentParser import os from mmdet.apis import inference_detector, init_detector #, show_result_pyplot import cv2 def show_result_pyplot(model, img, result, score_thr=0.3, fig_size=(15, 10)): """Visualize the detection results

mmdetection训练mask rcnn

01-05

### 使用 mmdetection 框架进行 Mask R-CNN 训练为了利用 `mmdetection` 框架来训练 Mask R-CNN 模型，需遵循一系列配置文件设置以及命令行操作。以下是具体实现过程： #### 配置环境与安装依赖库首先确保 Python 环境已正确搭建并安装必要的依赖项。可以通过 pip 或者 conda 安装所需包。 ```bash pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/{cu_version}/{torch_version}/index.html pip install mmdet ``` 其中 `{cu_version}` 和 `{torch_version}` 应替换为实际使用的 CUDA 及 PyTorch 版本号[^2]。 #### 准备数据集对于特定应用场景的数据准备至关重要。通常情况下，需要按照 COCO 数据格式整理图片及其对应的标签信息。这涉及到创建 JSON 文件描述每张图像中的物体类别、边界框位置及分割掩模等细节[^3]。 #### 修改配置文件基于现有模板调整适合项目需求的配置文件。例如，可以在 `configs/mask_rcnn/` 下找到默认的 Mask R-CNN 设置作为起点。主要修改点包括但不限于： - **backbone**: 调整骨干网络结构； - **neck**: 如果采用特征金字塔网络 (FPN)，在此定义其参数； - **rpn_head**, **bbox_roi_extractor**, **mask_roi_extractor** 和 **roi_head**: 对应于区域提议网络和其他头部组件的具体设定； - **data pipeline**: 图像预处理步骤如缩放比例、颜色抖动等； - **optimizer settings**: 学习率策略及其他优化器选项； - **evaluation metrics**: 设定评估指标以便监控模型表现。 #### 开始训练完成上述准备工作后，即可启动训练进程。假设已经准备好了一个名为 `custom_maskrcnn.py` 的自定义配置文件，则可通过如下指令执行训练任务： ```bash python tools/train.py configs/custom_maskrcnn.py --work-dir work_dirs/custom_maskrcnn/ ``` 此命令会读取指定路径下的配置文件，并将日志保存至给定的工作目录内。 #### 测试与验证训练完成后，可以加载最优权重来进行推理测试或进一步微调超参以提升性能。同样地，借助内置工具函数很容易完成这些工作。 ```python from mmdet.apis import init_detector, inference_detector model = init_detector('configs/custom_maskrcnn.py', 'work_dirs/custom_maskrcnn/latest.pth') result = inference_detector(model, img_path) ```