yolact train过程源码解读（COCO数据集）

Yolact训练解析：COCO数据集与源码实战
最新推荐文章于 2023-11-16 10:53:41 发布
最新推荐文章于 2023-11-16 10:53:41 发布
阅读量975 收藏 2
点赞数 1
CC 4.0 BY-SA版权
分类专栏： 源码解读2 文章标签： python 人工智能 计算机视觉
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/level_code/article/details/128144620
本文详细解读了Yolact模型在COCO数据集上的训练过程，包括数据预处理、网络结构、权重初始化和训练流程。重点讨论了数据集处理中的mean和std、COCO数据集格式、锚点（anchor）的作用以及损失函数的计算，特别是conf loss的计算中正负样本的选择策略。

本文很长，包含了详细的train部分的源码注释，涉及到的paper部分，COCO数据集的具体使用，如何利用anchor做box坐标的regression，中间变量的展示。
网络结构部分不再细讲（网络输出结果细节参考yolact源码解读），

本文聚焦于数据集的预处理，损失函数的计算。

训练过程要先处理数据集,

1.数据集处理

数据集的mean, std如下

MEANS = (103.94, 116.78, 123.68)
STD   = (57.38, 57.12,
了解本专栏 订阅专栏 解锁全文 超级会员免费看
【YOLACT】代码解读一
01-06
【YOLACT】代码解读一代码运行验证处理图片训练代码解读网络架构 代码运行 根据github所给指导一步一步进行，如果曾经下载好coco数据集，在data/config.py108行以下修改数据集的目录，并且在run_coco_eval.py16行修改验证集annotation文件的路径。 验证 有以下三种评估方式： first python eval.py --trained_model=weights/yolact_base_54_800000.pth 以上命令不使用coco数据集自带的模型评估COCOEval，而是使用自己定义的评估函数。 second python eval.py
【yolact_edge】训练自己的yolact_edge模型（并部署在Jetson Xavier上）
syh的技术记录
10-30 3792
目录0. 前言1. 整个流程2. 具体过程2.1 部署基本环境2.2 按COCO格式准备自己的数据集2.3 修改yolact_edge/data/config.py文件的配置2.3.1 修改一：增加自己的数据集定义2.3.2 修改二：在DATASET部分增加自己的数据集2.3.3 修改三：增加自己数据集的训练配置2.3.4 修改四：在代码的最后制定cfg为你2.3.3配置的cfg名称2.4 训练模型，检测模型3. 总结 0. 前言 前段时间在Jetson Xavier上试了试官方的demo，发现效果还不错，
【Yolact数据集制作-labelme使用与转coco详解】
qq_29960631的博客
12-14 5439
开头总爱瞎掰两句，简单介绍下主要是为了做实例分割时需要用到labelme转coco数据集，此处写一个详细教程，作为yolact实战贴 的补充。
【YOLACT】代码解读
mjiansun的专栏
01-20 7683
源码：https://github.com/dbolya/yolact num_class是算上背景的类别，比如你的类别就一个person，那么记得此时的num_class应该为2，因为还需要算上背景啊。 YOLACT的网络结构及输出 YOLACT的backbone结构 其中_make_layer就是常规的resnet101中的_make_layer，具体是如何操作的可以查看源码ht...
yolact代码运行（包括出现问题和解决办法）
TracyGC的博客
11-16 515
这个问题是由于json.dumps()函数引起的。dumps是将dict数据转化为str数据，但是dict数据中包含byte、int、float、datetime等等的时候，数据所以会报错。由于注释文件中的Class的ID是从1开始，并按class_names顺序依次增加。而我们的注释文件（类似COCO格式）不是这样，是从0开始，所以需要参见在。然后在utils/logger.py里在调用json.dump/dumps时，指定使用自定义序列化方法。，把0，1，2，3依次对应1，2，3，4。
【深度学习】【YOLACT】代码解读一
Hana
02-19 5268
【YOLACT】代码解读一代码运行验证处理图片训练代码解读网络架构 代码运行 根据github所给指导一步一步进行，如果曾经下载好coco数据集，在data/config.py108行以下修改数据集的目录，并且在run_coco_eval.py16行修改验证集annotation文件的路径。 验证 有以下三种评估方式： first python eval.py --trained_model=we...
CV综述目标检测整理---目录
weixin_42466194的博客
07-12 1434
CV综述目标检测整理---目录Object detectionyolo系列faster rcnnssd系列轻量级模型mssd...实力分割maskrcnn人脸检测3d目标检测模型训练模型部署 Object detection 目前本人主要研究的深度学习方向. yolo系列 yolov1 链接: link. yolov2 链接: link. yolov3 链接: link. yolov3-tiny 链接: link. yolov4 链接: link. yolov4-tiny 链接: link. yol
OpenMMLab MMdetection 目标检测模型系例文章（一）
qq_41627642的博客
06-29 1255
1、是时候该学会 MMDetection 进阶之非典型操作技能（一） 2、显著提升模型精度！一文教你加载 MMRazor 轻量级骨干网络应用下游任务–以 MMYOLO 为例 3、MMDetection 支持数据增强神器 Simple Copy Paste 全过程 4、超 10 个点的提升！ Open Images 在 MMDetection 的实现 5、ResNet 高精度预训练模型在 MMDetection 中的最佳实践 6、YOLOX 在 MMDetection 中复现全流程解析 7、 轻松掌握 MMD
CV综述图像分割整理---目录
weixin_42466194的博客
12-02 1622
CV综述图像分割整理---目录instance SegmentationmaskrcnnyolactDeep SnakeCenterMaskcentermask-lite :real timeSOLO/SOLOV2semantic SegmentationObject detectionyolo系列yolov1yolov2yolov3yolov3-tinyPOLY YOLOPoly-YOLO Liteyolov4yolov4-tiny链接: [link](https://www.youkuaiyun.com/).yo
YOLACT的后处理代码
tugouxp的专栏
02-18 582
NCNN上的yoloact用例，包含YOLACT的后处理代码逻辑： ncnn/yolact.cpp at master · Tencent/ncnn · GitHubncnn is a high-performance neural network inference framework optimized for the mobile platform - ncnn/yolact.cpp at master · Tencent/ncnnhttps://github.com/Tencent/ncnn/bl
Python-YOLACT一种用于实时实例分割的简单完全卷积模型
08-10
YOLACT 一种用于实时实例分割的简单，完全卷积模型
yolact-gui
02-11
YOLACT-GUI 的GUI应用程序。 单击查看原始项目 安装（检查以获取更多详细信息） 克隆此仓库并输入 git clone https://github.com/jiancong0204/yolact-gui cd yolact-gui mkdir -p data/coco/images # Stores image dataset mkdir -p data/coco/annotations # Stores data annotations mkdir weights # Stores trained model 使用anaconda设置环境 # Create a new environment and activate it conda create -n youlact python=3.7 conda acti
yolact 评估可视化python代码
09-26
实例分割yolact评估可视化以及去除边缘噪声点代码实现
Yolact_minimal:YOLACT的最小PyTorch实现
05-14
Yolact_minimal Yolact的最小PyTorch实现 。 原始项目在。 此实现简化了原始代码，保留了主要功能并使网络易于理解。 此实现尚未更新为Yolact ++。 以双绞变压器为骨干的新版本已经在市场上。 TensorRT加速度也已经存在。 这两个分支即将合并。 请检查 网络结构。 环境环境 PyTorch> = 1.1 Python> = 3.6 n 对于CUDA 10.2，onnxruntime-gpu == 1.6.0 tensooardX 其他常见的软件包。 准备 构建cython-nms python setup.py build_ext --inplace 下载COCO 2017数据集，在config.py 'res101_coco'中修改self.data_root 。 下载权重。 Yolact训练的重量。 骨干 盒图 面膜MAP Google云
yolact_person.rar
01-13
基于yolact的重新训练模型, 可用于人体检测. 详细说明见博客 https://blog.youkuaiyun.com/Augurlee/article/details/103574125
Yolact源码解析
Ken的博客
09-29 3564
eval.py文件 数据加载 with timer.env('Load Data'): # img:(550, 550, 3) # gt:(3, 5)，3是3个物体，5是中心点，宽高，类别 # gt_mask: (3, 1080, 1920),1080*1920是加载的原图大小 # h, w:1080, 1920 # num_crowd:0 img, gt, gt_masks, h, w, num_crowd = dataset.pull_item(image_idx) # pull_it
coco 语义分割_YOLACT++：目前最热门的实时实例分割开源库
weixin_29905347的博客
12-23 551
点击我爱计算机视觉标星，更快获取CVML新技术YOLACT 是ICCV 2019 接收的实时实例分割论文 YOLACT: Real-time Instance Segmentation 提出的算法，近期该文作者又对此进行了扩展，提出YOLACT++：Better Real-time Instance Segmentation，其 resnet50 模型在Titan Xp 上运行速度达3...
结合paper 详细解读yolact源码（eval）
蓝羽飞鸟的博客
11-30 1715
yolact详细源码解析
【深度学习】【YOLACT】代码解读二
Hana
01-14 3794
【YOLACT】代码解读代码运行验证处理图片训练 代码运行 根据github所给指导一步一步进行，如果曾经下载好coco数据集，在data/config.py108行以下修改数据集的目录，并且在run_coco_eval.py16行修改验证集annotation文件的路径。 验证 有以下三种评估方式： first python eval.py --trained_model=weights/yol...
COCO数据集annotations_trainval2017深度解析
资源摘要信息:"COCO数据集的annotations_trainval2017包含了多个JSON格式的文件，这些文件包含了图像的实例分割、人物关键点以及图像的描述信息。这些文件分别是captions_train2017.json、captions_val2017.json、...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

蓝羽飞鸟

你的鼓励将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

实付元
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