mmdetection源码阅读笔记

最新推荐文章于 2025-07-09 10:43:19 发布
转载 最新推荐文章于 2025-07-09 10:43:19 发布 · 2.3k 阅读 · 7

博客提供了四个优快云博客链接，分别为https://blog.youkuaiyun.com/sinat_29963957/article/details/89766047等，但未包含链接内具体的信息技术相关内容。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

mmdetection 源码分析
dongfang1984的博客
08-29 801
本文主要针对比较火热的 mmdetection 的源代码进行解读说明，记录一下里面细节以及设计上的方案的优势。下文是本人的理解。持续更新。。。 首先引入里面用的Python的基础，以及基础库mmcv，最后在说明mmdetection python 基础 类与对象 mmcv mmdtetection ...
mmdetection源码注释
01-17
商汤科技（2018 COCO 目标检测挑战赛冠军）和香港中文大学最近开源了一个基于Pytorch实现的深度学习目标检测工具箱mmdetection，支持Faster-RCNN，Mask-RCNN，Fast-RCNN等主流的目标检测框架，后续会加入Cascade-RCNN以及其他一系列目标检测框架。 相比于Facebook开源的Detectron框架，作者声称mmdetection有三点优势：performance稍高、训练速度稍快、所需显存稍小
mmdetection源码详细解读
dekiang
08-31 5094
目录简介1. 测试代码三级目录 简介 GitHub地址：https://github.com/open-mmlab/mmdetection. 各模型的权重可以在model_zoo.md上下载。 1. 测试代码 import mmcv from mmdet.apis import init_detector, inference_detector, show_result_pyplot config_file = 'configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coc
MMDetection模块介绍
最新发布
he1223991940的博客
07-09 611
经典的两阶段检测器，首先生成候选区域（Region Proposals），然后对每个区域用 CNN 提取特征并分类。
【代码】mmdetection源码解读（Anchor head部分）
FSALICEALEX的博客
10-15 3329
0.简介 Anchor head主要是为了计算基于Anchor的损失函数，以及简单的回归。其中含有两个单层卷积，一个用来分类，一个用来回归，可以添加多层， 例如Retina head。 以下代码的解读均依靠断点调试获得，使用的模型为faster r-cnn 1.self.loss def loss(self, cls_scores, bb...
mmdetction
不思考会变草履虫哦
12-15 656
mmdet/models/detectors/cascade_rcnn.py def forward_train(self, img, img_meta, gt_bboxes, gt_labels, ...
【MMdetection】MMdetection从入门到进阶1
qq_44091004的博客
12-31 1751
MMdetection入门到进阶-训练&测试(学习配置文件)
MMDetection实战：MMDetection训练与测试
AI浩
05-08 1万+
摘要 MMDetection是商汤和港中文大学针对目标检测任务推出的一个开源项目，它基于Pytorch实现了大量的目标检测算法，把数据集构建、模型搭建、训练策略等过程都封装成了一个个模块，通过模块调用的方式，我们能够以很少的代码量实现一个新算法，大大提高了代码复用率。 GitHub链接：https://github.com/open-mmlab/mmdetection。 Gitee链接：https://gitee.com/open-mmlab/mmdetection。 主分支代码目前支持 PyTorch 1
MMDetection框架入门教程（完全版）
热门推荐
Sual
11-14 9万+
  网上MMDetection的教程看似有很多，但感觉都不成系统，看完一圈下来还是不知道MMDetection要怎么用。这里还是推荐直接跟着官方教程，结合源码学习MMDetection，相关链接汇总如下： 官方教程 - MMCV 官方教程 - MMDetection 官方教程 - 不得不知的 MMDetection 学习路线(个人经验版) 西安交大课件 - mmdetection教程(使用篇)   本文会介绍如何在MMDetection中从头开始搭建一套属于自己的算法。前几篇博客算是本人学习过...
使用mmdetction-cascade_rcnn用自己数据训练并测试
weixin_45798949的博客
08-13 3293
1.极力推荐的博客，写的非常好 1.安装mmdection gitthub链接 复现环境ubuntu18.04+python3.6+CUDA10.1+pytorch1.5 1.创建激活虚拟环境 conda create -n torch1.5 python=3.6 source activate torch1.5 2.安装GPU-pytorch1.5.0 conda install pytorch==1.5.0 torchvision==0.6.0 cudatoolkit=10.1 -c pytorch 3
MMDetection 系列之（自定义数据管道和引入Albumentations库处理增强管道）（四）
qq_41627642的博客
05-13 5518
数据管道设计 遵循典型约定，我们使用Dataset和DataLoader对多个worker进行数据加载。数据集返回与模型的forward方法的参数相对应的数据项字典。由于目标检测中的数据可能不相同大小(图像大小，gt box大小等)，我们在MMCV中引入了一个新的DataContainer类型，以帮助收集和分发不同大小的数据。查看这里了解更多细节。 对数据准备管道和数据集进行分解。数据集通常定义如何处理注释，数据管道定义准备数据字典的所有步骤。管道由一系列操作组成。每个操作都接受一个字典作为输入，并输出一个
mmdetection 用自定义 coco 数据集做目标检测
分享数据科学家的自我修养
03-22 1869
文章目录1.1 mmdetction 安装1.1.1 系统环境需求1.1.2 安装 mmdetection1.2 训练自定义数据集 CatDog1.2.1 准备数据集1.2.2 修改 faster_rcnn 模型配置1.2.3 训练模型1.2.4 测试图片1.2.4.1 测试单张图片1.2.4.2 测试多张图片 1.1 mmdetction 安装 1.1.1 系统环境需求 参考 mmdetecti...
快速上手MMDetection学习笔记
AndrewPerfect的博客
08-26 4834
本文利用MMDetection已经实现的RetinaNet模型在COCO上进行训练作为示例，演示了MMDetection的模型训练流程。总的来说分为三个步骤：1、准备数据集2、准备配置文件：配置文件由一系列dict组成，dict中的type键值代表注册的类别，build函数可以通过识别dict中的type来初始化对应的类。配置文件一般会继承一个通用配置文件，然后在此基础上根据需求调整。3、开始训练：调用MMDetection自带的train.py进行训练。
【目标检测】MMDetection的安装与基础使用
兴趣使然的创作者
08-20 4220
MMDetection是商汤和港中文大学针对目标检测任务推出的一个开源工具包，统一标准化了很多前沿模型，为研究者复现代码提供了便利。本篇就来尝试安装一下MMDetection并简单跑一下官方的示例教程。
从深度学习目标检测新手视角安装MMDetection到使用公开数据集进行模型测试
Mickey的博客
04-11 3713
MMDetection 是一个强大的开源目标检测工具箱，由商汤科技和香港中文大学共同研发维护，它基于PyTorch深度学习框架构建，提供了丰富的目标检测、实例分割、全景分割算法以及相关的组件和模块。本文从深度学习目标检测新手视角出发，基与MMdetection官方文档，对文档中的步骤加以详细解释，完成对MMdetection项目的部署工作以及初步学会使用公开数据集进行模型测试的小目标！
mmdetection源码解读（十一）
Haku_yyf的博客
04-29 821
问题描述： 遇到一个问题是，使用自己的数据做训练，我自己的数据集是加背景9类，COCO默认加背景81类，我图片，标注json等都做了相应确认没有问题，但是后面cascade有三个头部分类别忘了改了，这个就尴尬了，训练了两天半，结果开始就错了，想着是不是可以硬改，直接拿来用，发现不该config文件还能顶着warning用，改了config就报错了，又不想重新训练，所有就有了下面的操作。废话不多说...
mmdetection源码解析
yly的博客
04-12 4126
配置文件可以分为如下几块： model：说明model结构及其参数backbone\neck\head （loss是在head里配置的） schedule：说明optimizer和learning policy dataset：train和test时的transform 问题：target在哪里配置？
（十一）mmdetection源码解读：train_detector
m0_37737957的博客
02-14 1269
一、train_detector函数分析 1、DataLoader 2、optimizer 3、runner 4、register hooks 5、runner.run 二、train_detector参数说明
MMdetection官方中文文档1：使用已有模型在标准数据集上进行推理
weixin_43869938的博客
10-17 3675
MMdetection官方中文文档1：使用已有模型在标准数据集上进行推理 MMDetection 在 Model Zoo 中提供了数以百计的检测模型，并支持多种标准数据集，包括 Pascal VOC，COCO，Cityscapes，LVIS 等。这份文档将会讲述如何使用这些模型和标准数据集来运行一些常见的任务，包括： 使用现有模型在给定图片上进行推理 在标准数据集上测试现有模型 在标准数据集上训练预定义的模型 使用现有模型进行推理 推理是指使用训练好的模型来检测图像上的目标。在 MMDetection
mmdetection源码解析：网络组件构建与注册
"mmdetection源码阅读笔记：网络模型组件注册与构建解析" 在目标检测领域，mmdetection是一个至关重要的开源框架，它提供了多种检测算法的实现，并且具有高度的可扩展性。通过深入阅读mmdetection的源码，我们可以...
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