一、mmdetection 2D软件安装

已于 2025-02-02 11:41:09 修改
阅读量734 收藏 20
点赞数 22
CC 4.0 BY-SA版权
分类专栏： mmdetection学习笔记教程 文章标签： 深度学习 笔记
于 2025-02-02 11:16:29 首次发布
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/qq_73860694/article/details/145418473

视频教程：Python深度学习：安装Anaconda、PyTorch（GPU版）库与PyCharm_哔哩哔哩_bilibili

推荐观看视频教程，更为详细。

笔者使用的是Mmdetection，首先可以进入open-lab的官网下载软件的压缩包，然后打开一个名称为README.md的文件，里面详细的介绍了使用此软件所需的python，cuda，jupyter，pytorch和各种库它们所需的版本和对应的安装办法。注意此步骤中的软件版本应当格外注意，因为在Medetection软件运行时软件的版本有着极强的限制，过高或者过低都无法正常运行。

笔者采用构建虚拟环境的方法配置运行时的环境，方法如下：

第一步：通过观察readme文件得知所需Python 3.7+， CUDA 9.2+，和PyTorch 1.8+。

第二步：安装Anaconda

最低0.47元/天 解锁文章

200万优质内容无限畅学
mmdetection安装
熊猫小妖的AI世界
07-12 824
mmdetection对应环境安装
【MM系列安装教程】：MMCV、MMdetection、MMdetection3d等安装顺序教程
salaryresist的博客
01-06 1917
mmdetection3d系列为mmdetection系列中环境配置中比较繁琐的一个框架。在配置的过程中要仔细核对索要安装的mmdetection3d框架中对于相关依赖库的版本依赖要求。虽然在配置环境的过程中可以采用魔改的方式使运行环境跑通，但是不建议！！！！不建议！！！不建议！！！！（重要的事情说三遍）
MMDetection环境安装配置
最新发布
Java开发，人工智能，边缘计算，致力于掌握前沿技术
05-17 1201
CondaMMDetection 支持在 Linux，Windows 和 macOS 上运行。它需要 Python 3.7 以上，CUDA 9.2以上和 PyTorch 1.8 及其以上。MMDetection 至今也一直更新很多个版本了，但是对于最新的pytorch版本仍然不支持，我安装的时候仍然多次遇到mmcy与pytorch版本不对应的情况，因此总结以下可用的安装方案。
【深度学习环境构建攻略】：从CUDA到MMDetection3D的一站式安装
[【深度学习环境构建攻略】：从CUDA到MMDetection3D的一站式安装](https://opengraph.githubassets.com/96a459284d78637b85fdebe676202ea536f200b9ed6d4eac918825c470b167a5/open-mmlab/mmdetection3d) # 1. 深度...
【Ubuntu下的深度学习实践】：MMDetection3D安装与调试技巧
[【Ubuntu下的深度学习实践】：MMDetection3D安装与调试技巧](https://opengraph.githubassets.com/81df6ca67a554fccd743bf3adb87e65293c86e5c658724ce7c3b0e1a4a8b6f9e/open-mmlab/mmdetection/issues/10371) ...
【Ubuntu与CUDA协同升级】：MMDetection3D安装的终极体验
[【Ubuntu与CUDA协同升级】：MMDetection3D安装的终极体验](https://i1.hdslb.com/bfs/archive/343d257d33963abe9bdaaa01dd449d0248e61c2d.jpg@960w_540h_1c.webp) # 1. Ubuntu与CUDA协同升级概述 随着科技的进步和...
MMdetection安装
Maggie's blog
11-25 634
MMdetection安装
MMDetection的安装
ldtxinkai的博客
10-28 2860
MMDetection具体的安装步骤
mmdetection的安装
qq_40373651的博客
08-20 388
文档链接：链接 install核心：保证cuda、pytorch、mmcv和mmdetection的版本互相一致 步骤： 1、查看cuda版本 nvcc -V 2、创建新的虚拟环境，准备pytorch conda create -n open-mmlab python=3.7 -y conda activate open-mmlab # 安装对应cuda版本的pytorch # https://pytorch.org/get-started/previous-versions/ conda install
安装mmdetection
qq_43252908的博客
05-14 175
本机环境 cuda 10.2 python 3.7 操作命令 conda create -n open-mmlab python=3.7 -y conda activate open-mmlab conda install cython conda install pytorch==1.7.1 torchvision==0.8.2 cudatoolkit=10.2 -c pytorch pip install mmcv-full -f https://download.openmmlab.com/mmcv
MMDetection 安装 | 一
TensorFlowNews
04-18 1737
作者|open-mmlab 编译|Flin 来源|Github 引言 MMDetection是一款优秀的基于PyTorch的深度学习目标检测工具箱,由香港中文大学(CUHK)多媒体实验室(mmlab)开发。基本上支持所有当前SOTA二阶段的目标检测算法,比如faster rcnn,mask rcnn,r-fcn,Cascade-RCNN等。读者可在 PyTorch 环境下测试不同的预训练模型及训练...
mmdetection 安装（1.0rc）
confuciust的专栏
10-21 965
mmdetection 安装（1.0rc） 1.requirements.txt Linux (Windows is not officially supported) Python 3.5+ (Python 2 is not supported) PyTorch 1.1 or higher CUDA 9.0 or higher NCCL 2 GCC(G++) 4.9 or higher mmcv...
MMdetection安装教程
weixin_44052271的博客
03-02 2763
到此为止，mmdet3.3所需要的mmcv、cuda和torch版本都确定好了，接下来就是根据mmdet官网提供的安装教程进行安装即可。官方教程的安装顺序跟我们确定版本的顺序是相反的，即官方首先建议创建虚拟环境并安装pytorch和cuda，然后安装mmcv，最后安装mmdet，但是这种顺序往往会出现各个包版本兼容性问题，因此建议首先根据本文提供的思路确定各个包的版本，再根据官方教程进行安装。查找本地设备支持的torch和cuda的版本（如下图所示），其中v1.13.1是torch的版本。
在已经安装了pytorch-gpu的情况下安装mmdetection
weixin_42912072的博客
08-24 369
在mmdetection的安装说明中https://github.com/open-mmlab/mmdetection/blob/master/docs/install.md。 直接操作两行代码即可， 首先clone到主代码 git clone https://github.com/open-mmlab/mmdetection.git 然后cd进入mmd环境 cd mmdetection 运行setup安装文件 python setup.py develop ...
我现在自学凌云光Vision Assembly 软件现在要去富士康找工作 给我推荐几个案例 我现在要包装简历 用2D面阵相机来检测产品 电子手表项目
03-16
<think>好的，用户现在在自学凌云光的Vision Assembly软件，并且打算去富士康找工作，需要包装简历，特别是用2D面阵相机来检测电子手表的项目案例。我需要帮他想几个适合的案例，这样他可以在简历中展示相关经验。 首先，我得了解凌云光的Vision Assembly软件的主要功能。通常这类软件用于机器视觉检测，包括定位、测量、识别、检测等。富士康作为电子制造大厂，可能涉及的产品检测包括外观缺陷、尺寸测量、装配验证等。电子手表项目可能涉及屏幕检测、部件装配、标签识别等。 用户需要的是2D面阵相机的案例，所以不需要考虑3D或线阵相机。案例需要具体，技术流程详细，最好有算法和工具的使用，比如OpenCV、图像处理步骤等。同时，用户提到要包装简历，所以案例需要看起来真实且有技术含量，能够体现他的技能。 接下来，回顾之前的对话历史，用户之前询问过汽车轮毂螺栓孔的检测案例，回复的结构包括应用场景、技术流程、关键算法、工具推荐等。这次需要类似的框架，但针对电子手表项目。 可能的案例方向包括： 1. 手表屏幕缺陷检测（划痕、坏点） 2. 按钮装配完整性检测（是否有按钮缺失或安装不正） 3. 表带扣合检测（是否扣紧） 4. 激光雕刻字符识别（序列号、LOGO） 5. 电池接触点尺寸测量（确保接触良好） 每个案例需要详细的技术步骤，比如图像采集、预处理、特征提取、检测算法等。还要结合凌云光软件的具体功能，比如使用Vision Assembly的哪些工具或模块，以及使用的相机型号、光源类型等硬件信息。 需要确保案例符合实际，技术细节准确，比如使用合适的图像处理算法（边缘检测、模板匹配、形态学操作等），以及具体的参数和代码示例（如OpenCV代码片段）。同时，要提到关键算法和技术亮点，比如使用亚像素边缘检测提升精度，或者机器学习分类器进行缺陷分类。 还要考虑富士康的生产环境需求，比如高节拍、高精度、稳定性，所以在案例中要强调检测速度、准确率、容错机制等。另外，工具推荐部分需要提到具体的软件工具和库，如Vision Assembly结合OpenCV，Halcon等，以及工业相机的选型建议。 最后，要提醒用户注意事项，比如照明稳定性、标定流程、数据记录等，这些在简历中可以作为项目经验中的优化点或遇到的问题及解决方法，展示他的综合能力。</think>以下是为电子手表检测项目设计的2D机器视觉案例说明，特别针对凌云光Vision Assembly软件应用和富士康岗位需求进行优化，适合简历包装： --- ### 案例一：智能手表屏幕缺陷检测 **应用场景** 检测OLED屏幕划痕、坏点、边缘崩缺等缺陷（检测精度0.1mm） **技术流程** 1. **硬件配置** - 相机：500万像素面阵相机（海康威视MV-CH500） - 光源：蓝色同轴光源（突出表面纹理） - 安装角度：正俯视拍摄 2. **Vision Assembly核心操作** ```python # 使用软件内置工具链实现 1. 建立图像采集流程(Image Acquisition) 2. 配置几何匹配工具(GeoMatch)定位屏幕ROI 3. 调用斑点检测工具(Blob Analysis)识别坏点 4. 应用边缘检测工具(Edge Detection)提取划痕特征 ``` 3. **关键算法** - 多尺度高斯差分滤波（增强微小缺陷对比度） - 基于灰度直方图的动态阈值分割 $$ T = \mu + k\sigma \quad (k=1.5\sim2.5) $$ - 形态学开运算消除噪点 **技术亮点** - 开发自适应检测模板，兼容不同型号手表 - 实现检测速度1200片/小时（富士康产线标准） --- ### 案例二：手表按钮装配检测 **应用场景** 检测侧键是否存在/装配到位（位置精度±0.2mm） **实现方案** 1. **成像方案** - 使用30°倾斜安装相机 - 红色环形光源突出金属反光 2. **检测逻辑** ```python # 使用Vision Assembly流程构建器 1. 通过Pattern Matching定位手表主体 2. ROI坐标变换确定按钮区域 3. 使用Caliper工具测量按钮凸起高度 4. 设定判定规则：高度>0.8mm且边缘梯度>50 ``` 3. **容错设计** - 双相机交叉验证机制 - 基于历史数据的SPC控制图分析 --- ### 案例三：表带扣合状态检测 **创新点** 解决反光金属表带的误检问题 **技术方案** 1. **光学设计** - 采用偏振滤光片+漫反射光源 - 拍摄距离150mm，分辨率0.05mm/pixel 2. **算法流程** ```python 1. 提取扣合区域HOG特征 2. 训练SVM分类器（正/负样本各500张） 3. 集成深度学习模块进行扣齿计数 ``` 3. **软件实现** - 使用Vision Assembly的AI模块部署模型 - 开发MES系统对接接口 --- ### 简历包装建议 1. **技能描述** - 熟练使用Vision Assembly的几何匹配、斑点分析、尺寸测量模块 - 掌握面阵相机的光学参数计算（如FOV=传感器尺寸×工作距离/焦距） 2. **项目亮点** - 强调量产经验："在模拟项目中实现99.6%检测通过率" - 突出工程能力："设计防错装夹具提升定位重复性" 3. **富士康适配点** - 熟悉消费电子检测标准（如苹果IPC-A-610） - 了解工业现场部署（抗振动设计、EMC防护） 建议在简历中采用STAR法则描述： "**项目背景**：针对智能手表组装工艺要求，独立开发视觉检测站 **技术行动**：采用Vision Assembly的XXX模块实现XX功能，通过XX算法解决XX问题 **量化成果**：检测节拍达到XX秒/件，误检率＜0.5%" 实际面试时可准备： 1. 检测方案示意图（手绘相机布置图） 2. 关键算法的伪代码描述 3. 典型缺陷样本图片及处理效果对比
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
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