【代码阅读】Part-A^2 Net 代码

本文记录了Part-A2 Net的代码学习过程,包括安装步骤、数据预处理、模型结构和训练细节。在安装过程中遇到spare-conv的问题,需要安装libboost-all-dev。数据预处理涉及转换相机坐标系到LiDAR坐标系。在训练中,重点介绍了PartA2Net的网络结构,包括VFE、RPN、RPN Head和RCNN。前向计算过程涉及forward_rpn、forward_rcnn和get_training_loss函数。测试阶段与训练类似,但没有损失计算,最终通过NMS得到预测结果。

前一段时间Part-A2的代码公布了,这里就记录一下自己的学习过程。
github代码仓库:传送门
对文章的解读:传送门

安装

其中,spare-conv安装起来有点难度。具体可以参考一篇SECOND的安装的博客,相比于在spare-conv的github中的安装介绍,我采坑的一点是要安装:
sudo apt-get install libboost-all-dev
否则会编译失败。还有就是scikit-image安装时出现错误,更新pip也许可以解决,参考另外一篇博客

数据预处理

要求运行一下:

python kitti_dataset.py create_kitti_infos

这就看一下这个干了些什么:

# pcdet\datasets\kitti\kitti_dataset.py
def create_kitti_infos(data_path, save_path, workers=4):
    ...
    print('---------------Start to generate data infos---------------')

    dataset.set_split(train_split)
    kitti_infos_train = dataset.get_infos(num_workers=workers, has_label=True, count_inside_pts=True)
    with open(train_filename, 'wb') as f:
        pickle.dump(kitti_infos_train, f)
    print</
评论 13
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
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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