ISBNet跑STPLS3D数据集过程记录

原创

已于 2025-06-03 18:40:55 修改 · 1k 阅读

14 ·

CC 4.0 BY-SA版权

文章标签：

#点云

于 2025-04-26 16:55:09 首次发布

ISBNet/docs/TRAIN.md at master · VinAIResearch/ISBNet

一、准备数据集

先是下载实例分割的数据集，复制到dataset的stpls3d文件夹里面

先是激活isbnet环境

conda activate isbnet

然后进入isbnet内的数据集文件夹，然后执行数据准备的脚本

cd ISBNet/dataset/stpls3d
bash prepare_data.sh

运行完之后

二、开始训练

# Pretrain step
python3 tools/train.py configs/stpls3d/isbnet_backbone_stpls3d.yaml --only_backbone  --exp_name default

# Train entire model
python3 tools/train.py configs/stpls3d/isbnet_stpls3d.yaml --trainall  --exp_name default

运行第一个命令后

显示

问题出在configs/stpls3d/isbnet_backbone_stpls3d.yaml 中的验证集配置，按照文件夹里面命名修改，然后保存

保存后再开始执行ISBNet的训练。

三、训练过程

ISBNet所给的stpls3d训练代码如下

# Pretrain step
python3 tools/train.py configs/stpls3d/isbnet_backbone_stpls3d.yaml --only_backbone  --exp_name default

# Train entire model
python3 tools/train.py configs/stpls3d/isbnet_stpls3d.yaml --trainall  --exp_name default

上面两个训练命令代表了ISBNet模型训练的两个关键阶段，它们的区别类似于“先学基础再学专业”的过程。一下是通俗易懂的对比说明：

四、第一阶段：骨干网络预训练（仅训练骨干)显示如下

(isbnet) dou@dou-System-Product-Name:~/ISBNet$ python3 tools/train.py configs/stpls3d/isbnet_backbone_stpls3d.yaml --only_backbone  --exp_name default
2025-04-25 12:54:08,791 - INFO - Only train backbone
2025-04-25 12:54:08,791 - INFO - Config:
model:
  channels: 16
  num_blocks: 7
  semantic_classes: 15
  instance_classes: 14
  sem2ins_classes: []
  semantic_only: False
  semantic_weight: [1.0, 1.0, 44.0, 21.9, 1.8, 25.1, 31.5, 21.8, 24.0, 54.4, 114.4, 81.2, 43.6, 9.7, 22.4]
  with_coords: False
  ignore_label: -100
  voxel_scale: 3
  use_spp_pool: False
  filter_bg_thresh: 0.1
  iterative_sampling: False
  instance_head_cfg:
    dec_dim: 64
    n_sample_pa1: 2048
    n_queries: 256
    radius_scale: 10
    radius: 0.4
    neighbor: 16
  test_cfg:
    x4_split: False
    logit_thresh: 0.0
    score_thresh: 0.2
    npoint_thresh: 10
    type_nms: 'matrix'
    topk: 100

  fixed_modules: []

data:
  train:
    type: 'stpls3d'
    data_root: 'dataset/stpls3d'
    prefix: 'train'
    suffix: '_inst_nostuff.pth'
    training: True
    repeat: 3
    voxel_cfg:
      scale: 3
      spatial_shape: [128, 512]
      max_npoint: 250000
      min_npoint: 5000
  test:
    type: 'stpls3d'
    data_root: 'dataset/stpls3d'
    #prefix: 'val'
    prefix: 'val_250m'
    suffix: '_inst_nostuff.pth'
    training: False
    voxel_c