手把手带你跑通目标检测中的DINO-main模型

在Ubuntu和PyCharm中配置DINO模型的步骤与常见问题
最新推荐文章于 2025-10-19 09:44:47 发布
原创 最新推荐文章于 2025-10-19 09:44:47 发布 · 3.6k 阅读 · 13 ·
CC 4.0 BY-SA版权
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。
文章标签：

#python #深度学习 #目标检测 #pycharm

文章详细介绍了如何在Ubuntu系统和PyCharm中配置DINO模型的环境，包括创建新环境、安装torch和CUDA（最低要求11.0）、导入模型并安装依赖。在编译环境时，提到了权限问题的解决方案。之后，文章提到使用COCO2017数据集，并提供了数据集的存放方式。在训练过程中，作者遇到并解决了两个问题：模块未找到和CUDA不可用，分别给出了检查CUDA版本和安装nvidia-cuda-toolkit的解决方法。

源码地址：https://github.com/IDEA-Research/DINO

我是在Ubuntu中的Pycharm上面跑的，

首先配置一个新的环境，环境名字就命名为DINO（方法很简单，这里我就不阐述了，不会的小伙伴去看看其他的博文），然后安装好对应的torch和cuda版本（注：cuda最低版本要求为11.0，其他的版本参考源码中的来）

配好新的环境之后，将模型导入至新的环境中，然后安装其他需要的包。

一键安装：pip install -r requirements.txt（如果在安装过程中，有些包安装不上去，可以试试降低包的版本，我当时就是头铁，没注意包的版本问题）  

包安装好之后，开始编译环境。在Pycharm中打开终端，然后进入到 models/dino/ops 这个文件目录下： cd models/dino/ops   

然后输入：  python setup.py build install 

输入回车之后可能会出现报错情况：error: could not create 'build': Permission denied，

解决办法：sudo chmod -R 777 xxxxxx（xxxxxx指的是当前的build所在的文件夹的名称，然后输入密码，赋予权限，再次运行就不会报错了）

接着输入 python test.py

环境编译好了，接下来就是准备数据集了，用的是COCO2017数据集，直接去COCO官网上下载（地址：

最低0.47元/天 解锁文章
大鹏~~
关注
基于SAM-DINO-CLIP组合模型实现全景图场景下地物分类与实例分割的智能图像处理系统_全景图像分割_地物分类_实例分割_语义识别_目标检测_零样本学习_提示工程_计算机视觉_.zip
08-20
文件中提到的“SAMbase_segmentation-main”可能是一个包含模型源代码、训练脚本和评估方法的主要文件夹。附赠资源.docx和说明文件.txt则可能提供了系统的详细使用指南、实验结果、性能评估和可能的改进方法等。这些...
DINO在Windows环境下训练 自定义数据集
Lc_001的博客
02-24 6470
DINO: 让目标检测拥抱Transformer
MultiScaleDeformableAttention编译报错解决
zhaoyan272898330的博客
04-08 1万+
cuda版本是10.2 安装对应的pytorch pip install torch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 然后注释掉ops文件夹下setup.py中的 #'-gencode', 'arch=compute_80,code=compute_80', #'-gencode', 'arch=compute_86,code=compute_86', 这两行代码 我是Nvidia RTX TITAN 显卡不一样...
搞懂DINO
最新发布
zjuPeco的博客
10-19 435
本文说明了什么是DINO以及为什么DINO有效
【目标检测】DINO
研究兴趣：开放集识别、开放世界识别、新类发现、增量学习、少样本学习
07-03 4857
DINO：提出对比去噪训练方法，相比原DN-DETR中的去噪训练方法引入了负查询来避免重复的和不期望的预测；提出混合查询选择方法，相比原Deformable DETR中的查询选择方法移除了由编码器输出初始化解码器内容查询的部分；提出向前看两层的锚框更新方法，相比原Deformable DETR中向前看一层的锚框更新方法将梯度更新扩展到了前一层。
首个目标检测大模型(识别万物)：DINO-X（论文翻译）
m0_59164520的博客
11-30 6248
有了这样灵活的提示选项，我们开发了一个通用的对象提示符来支持无提示的开放世界检测，使得在不需要用户提供任何提示的情况下检测图像中的任何东西成为可能。为了增强模型的核心能力，我们构建了一个拥有超过1亿个高质量接地样本的大规模数据集，称为。
探访 DINO 家族 Part 1：始祖目标检测模型 DINO
一起发掘最前沿、最有趣的 AI 技术和应用。
03-27 1340
本文将带读者了解目标检测模型 Grounding DINO 和 DINO-X 的始祖 DINO。该模型不仅在端到端目标检测方面取得了重大突破，在 COCO 基准测试上实现了当时最先进的结果，还显著提升了训练效率，使类 DETR 模型更适用于实际应用。 DINO 模型的成功证明了基于 Transformer 的目标检测方法的可行性，还开辟了新的研究方向。随着计算资源的增加和数据规模的扩大，DINO 模型展现出卓越的可扩展性和崭新的能力，为后续 DINO 家族的强大模型奠定了基调。
《DINO: 基于改进去噪锚框的端到端目标检测模型》学习笔记
学无止境。
12-28 1837
我们提出了DINO（DETR with Improved deNoising anchOr boxes），这是一种最先进的端到端目标检测器。（1）对比学习方法的去噪训练；通过对比学习的方式降低训练过程中的噪声干扰，提升了模型的鲁棒性和准确性。去噪训练可能涉及到对负样本的区分和增强。（2）用于锚点初始化的混合查询选择方法；为锚点（Anchor Boxes）的初始化设计了一种混合策略，可能结合了动态和静态查询机制以优化检测精度。（3）用于框预测的两次前瞻（look forward twice）策略。
【大模型系列】根据文本检索目标(DINO/DINOv2/GroundingDINO)
热门推荐
kabuto_hui的博客
03-09 1万+
DINO 中最核心的数据采样策略便是图像裁剪，这也是自监督学习领域应用非常广泛的主策略之一。
目标检测DINO-DETR（2023）详细解读
qq_51352130的博客
05-20 2061
与此相反，我们的混合查询选择方法只用前 K 个选定特征来增强位置查询，并保持内容查询的可学习性。在实现上，DINO-DETR拥有两个超参数 λ1,λ2(λ1<λ2) 用于控制正负噪声样本的生成，而DN-DETR只有一个超参数 λ ，DN-DETR控制生成的噪声不超过 λ 并期望网络可以用在gts附近的轻微噪声querys去重构出gts。第三，为了利用后期层的refined box信息来帮助优化相邻早期层的参数，提出了一种新的look forward twice方案，用后面的层的梯度来修正更新后的参数。
谷歌小恐龙训练模型Chrome-Dino-run-RL-main
09-21
Chrome-Dino-run-RL-main项目不仅仅是一个游戏训练模型，它还为人工智能社区提供了一个实践强化学习算法的平台。 强化学习领域的突破将带来更加强大和智能的人工智能系统。Ravi Munde的工作强调了这一领域的潜力，...
Stable-DINO-R-50预训练模型
08-20
Huge backbone，再加入了一种稳定匹配机制的模型，使用detrex框架实现的高性能模型，在COCO-test-dev数据集上达到了64.8AP，而本资源就是Stable-DINO以Resnet50为backbone的预训练模型，同时也是detectron2框架下的...
DINO：目标检测benchmark COCO屠榜的正确姿势
3D视觉工坊
03-14 3085
作者丨陈泰红（已授权）来源丨https://zhuanlan.zhihu.com/p/478461226编辑丨极市平台不小心在paperwithcode看到，DETR系列的论文又屠榜了，在...
DINO：一种新的端到端目标检测器(速读版)
weixin_51697828的博客
08-26 3757
在本文中，我们提出了一种强大的端到端Transformer检测器DINO，借助contrastive denoising training、mixed query selection、look forward twice方法，大大提高了模型的训练效率和检测性能。我们进一步尝试在更大的数据集上用更强的骨干网络训练DINO，并在COCO 2017 test-dev数据集上达到了新的SOTA水平，63.3 AP。...
DINO系列模型：DINO、Grounding DINO、Grounding DINO 1.5、DINO-X
u013250861的博客
08-26 1333
本文详细分析了DINO系列模型的发展历程，包括DINO (2021)、Grounding DINO (2023)、Grounding DINO 1.5 (2024)和DINO-X (2024)四个重要里程碑。这一系列模型展现了从自监督视觉表征学习到开放世界目标理解的完整演进过程，代表了计算机视觉领域从封闭集到开放集、从单一任务到多任务统一的重要发展趋势。DINO系列模型的发展历程反映了计算机视觉领域的重要演进：从传统的监督学习范式转向自监督学习，从封闭集目标检测扩展到开放集检测，最终发展为统一的多模态视觉理
端到端目标检测DINO: COCO屠榜的正确姿势
m0_63642362的博客
02-03 2512
抢先体验PaddleDetection最新发布高精度端到端目标检测模型DINO，其大模型在MS COCO2017测试集上AP达到63.3！
结合文本的目标检测：Open-GroundingDino训练自己的数据集
qq_44442727的博客
04-12 1万+
是的第三方实现训练流程的代码，因为官方GroundingDino没有提供训练代码，只提供了demo推理代码。Open-GroundingDino的Github网址:要跑起来Open-GroundingDino，需要解决环境安装，数据集制作，网络配置等问题，下面大致从这几个方面进行介绍。
【有啥问啥】DINO：一种改进的去噪锚框的端到端目标检测器
Chauvin的博客
10-26 2515
在目标检测领域，DINO（DETR with Improved DeNoising Anchor Boxes for End-to-End Object Detection）是一种创新的端到端目标检测模型，旨在解决传统目标检测算法中的一些关键问题，如收敛速度慢、训练时间长以及对小物体的处理困难等。本文将详细介绍DINO的原理、技术改进、实验结果以及其在计算机视觉任务中的卓越表现。
DINO：引领下一代目标检测技术的先锋
gitblog_00226的博客
08-09 896
**DINO**（**D**ETR with **I**mproved de**N**oising anch**O**r boxes）是一款基于Transformer的端到端目标检测框架，由Hao Zhang、Feng Li等研究者共同开发。该框架在COCO数据集上取得了**63.2** AP的惊人成绩，不仅超越了以往的最佳模型，而且模型尺寸和数据需求量仅为前者的十分之一。DINO的核心优势在于其...
Dino-Vit模型图
03-28
<think>好的，我需要帮助用户找到DINO-ViT模型的架构图或结构可视化图表。首先，我应该回忆一下用户提供的引用内容，看看是否有相关的信息。用户引用了两篇文献，其中引用[2]提到DINO-ViT是基于自监督预训练的ViT模型，用于提取深部特征，适用于各种视觉任务。而引用[1]提到了DINO-Reg框架，其中用到了DINOv2模型进行3D体积特征编码，并配有一个图1的整体框架图，但不确定是否包含DINO-ViT的结构图。 接下来，我需要考虑用户的需求是获取模型的结构图。通常，学术论文中会在方法部分或模型架构部分提供结构图。用户提到的DINO-ViT可能源自《Emerging Properties in Self-Supervised Vision Transformers》这篇论文，所以建议用户查阅该论文的图表部分，特别是Figure 1或类似的示意图，那里可能有模型架构的可视化。 另外，用户提供的引用[1]中的DINO-Reg框架图可能包含DINOv2的部分，但DINOv2和DINO-ViT可能有不同的架构，因此需要区分。建议用户查阅原论文的官方实现或GitHub仓库，通常这些资源会提供结构图和可视化工具。例如，引用[2]提到的官方实现可能有相关的示意图或代码生成的结构图。 此外，用户可能需要使用模型可视化工具，如Netron，来加载模型文件并生成结构图。或者，通过Hugging Face的模型库查找DINO-ViT，那里有时会有模型架构的简要说明和图示。还可以建议用户在Google Scholar或arXiv上搜索相关论文，查看后续研究中对DINO-ViT的解析，这些可能会包含结构图。 需要注意的是，用户可能无法直接访问某些论文或资源，所以提供多种途径（如论文链接、GitHub仓库、可视化工具）会更全面。同时，要确保回答准确，引用正确的来源，比如指引用户到具体的论文部分或官方资源，避免误导。 总结起来，回答应分步骤：1. 查阅原始论文获取架构图；2. 检查官方代码库；3. 使用可视化工具；4. 参考后续研究或教程。同时，根据用户提供的引用，指出可能相关的图表位置，如引用[1]的图1，但需说明其可能关联性。最后，生成相关问题，帮助用户深入理解模型结构或应用。</think>关于DINO-ViT模型的结构图和可视化资源，可通过以下途径获取： 1. **原始论文与补充材料** DINO-ViT模型的核心架构首次发表于论文《Emerging Properties in Self-Supervised Vision Transformers》[^2]。该论文的Figure 1展示了模型的自监督训练框架，包括ViT主干网络和多头注意力机制的可视化。建议通过论文官网或arXiv平台下载完整PDF，重点关注以下部分： $$ \text{Architecture: ViT-Base (12 layers, 768 dim), ViT-Large (24 layers, 1024 dim)} $$ 2. **官方代码库与可视化工具** 访问[DINO官方GitHub仓库](https://github.com/facebookresearch/dino)，其中`visualize_attention.py`脚本可生成注意力热力图（如图像局部关注区域）。例如运行以下代码生成可视化结果： ```python python visualize_attention.py --arch vit_small --patch_size 8 --image_path imgs/demo.jpg ``` 3. **Hugging Face模型卡与教程** Hugging Face的[模型库](https://huggingface.co/facebook/dino-vitb8)提供了ViT-Base结构简图，展示了分块嵌入（Patch Embedding）、位置编码（Position Encoding）和Transformer编码器堆叠过程。 4. **第三方解析与教程** 知名博客Towards Data Science发布的《Understanding DINO: Self-Supervised Vision Transformers》一文中，使用Graphviz绘制了模型训练流程图，重点对比了学生-教师网络的知识蒸馏过程。
评论 3
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
表情包 代码片
 条评论被折叠 查看
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
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