Activewaste

问题描述RuntimeError：input is smaller than kernel(shape_check at mmdet/ops/dcn/src/deform_conv)前提：在使用mmdetection（v 1.0.0的版本）中的可变形卷积操作时，遇到了这个问题。具体是在MSCOCO test-dev集下跑测试，如果在验证集跑测试的没有出现这个问题。出现这个问题是在test-dev集的第7311张图片上，我们把图片的大小打出来：有一张图片的size出现了2，torch.Size([

引言之前在写mmdetection源码的解读过程时，觉得train_detector()这部分很重要，对于理解整个的训练过程应该时起着非常大的理解作用。然后最近研究工作一直在看和修改mmdetection的其他模块的代码这一块。感觉train_detector()这块内容其实也不是特别重要来着，可能就是一个加强理解的过程。这次还是花了点时间，大致的看了一下，顺便加上自己的一些理解，解释了一下整...

引言：cascade_rcnn.py文件在moels/detections文件夹下。本次对文件cascade_rcnn.py的代码解读，是根据py配置文件configs/cascade_rcnn_r50_fpn_1x.py的数据信息进行讲解的。moels/detectionscascade_rcnn.py文件中主要的内容如下：__init__() ：module的构造函数。init_w...

刚接触mmdetection，建议不着急看代码，可以先去把config配置文件先去好好了解一下，因为，要改动或者微调，以及复现论文中的精度，基本上都在config文件夹下进行修改数据。【干货】mmdetection使用coco格式的CrowdHuman数据集进行训练及测试（附调参过程）上面这篇文章是博主刚开始接触mmdetection时，复现论文CrowdHuman里fpn精度的过程，里面...

引言：在上篇文章中，讲了train.py训练文件，主要是读取命令行函数和主函数main。main主要先做了一些config，work_dir以及log等操作（这些操作都是从命令行获得的，或者从命令行带有的文件里得到的参数等。）。最主要的三个步骤就是调用build_detector()来创建模型，然后同样调用build_dataset()对数据集创建模型，然后在训练检测器train_detect...

引言同样，数据集也是需要build模型的。类CocoDataset是CustomDataset类的子类，而CustomDataset是Dataset的子类。(之前的创建模型，都是torch.nn.module的子类，数据集的创建就不是咯，注意一下)以下是CustomDataset的annotation的格式： Custom dataset for detection: Annotat...

引言custom.py是datasets/coco.py中CocoDataset的父类，主要有以下几个类：load_annotations()：在子类中重写了，作用是：加载标注文件中的annotation字典，返回图片信息，比如：info{"filename":"284193,faa9000f2678b5e.jpg"}。（存疑）get_ann_info()：在子类中被重写了，作用是：获得...

引言在test阶段有以下几个方法：single_gpu_test()：顾名思义，就是单GPU测试，该方法在main()中调用，当不分布式测试的时候，则运行次测试方法，该方法的实现中，其实是调用了检测器测试过程的forward()前向计算过程，以cascade_rcnn为例，在cascade_rcnn的父类中的forward()方法中，通过判断test_mode当前处于训练还是测试阶段，来调用...