mmdetection常用命令

最新推荐文章于 2025-04-30 17:48:11 发布

zxrzhang

最新推荐文章于 2025-04-30 17:48:11 发布

阅读量2.3k

点赞数 7

CC 4.0 BY-SA版权

分类专栏： cv

本文链接：https://blog.youkuaiyun.com/xin_rong/article/details/112055616

本文介绍了mmdetection框架中的一些常用命令，包括测试、训练、损失分析、输出JSON和PKL结果文件，以及如何进行COCO错误分析。重点讲解了评估指标和如何分析目标检测模型的bbox mAP。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

（注意：文中--eval bbox适用于目标检测模型，其他模型--eval 需要换参数）

1. Test

python tools/test.py configs/ballon/mask_rcnn_r50_caffe_fpn_mstrain-poly_1x_balloon.py work_dirs/mask_rcnn_r50_caffe_fpn_mstrain-poly_1x_balloon.py/latest.pth --eval bbox

2. Train

python tools/train.py configs/ballon/mask_rcnn_r50_caffe_fpn_mstrain-poly_1x_balloon.py

3. Loss Analysis

Plot the classification loss of some run.

python tools/analyze_logs.py plot_curve log.json --keys loss_cls --legend loss_cls

Plot the classification and regression loss of some run, and save the figure to a pdf.
```
python tools/anal
```

最低0.47元/天解锁文章

200万优质内容无限畅学

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

zxrzhang

关注关注

7
点赞
踩
25

收藏

觉得还不错? 一键收藏
1
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

mmdetection3d 训练

叶子的博客

06-14

7932

mmdetection3d 训练本节以SECOND算法为例，简要介绍mmdetection3d second算法训练过程，含数据和python源码详细介绍。 1 mmdetection3d环境安装 mmdetection3d环境详细安装和调试请参考：【mmdetection3d】mmdetection3d安装详细步骤_Coding的叶子的博客-优快云博客。 2 KITTI数据集准备 mmdetection3d的kitti原始数据集主要由三部份组成，......

【开放词汇检测】基于MMDetection的MM-Grounding-DINO实战

m0_47867638的博客

09-13

4413

基础环境：Ubuntu 22.04、CUDA 11.7Grounding-DINO 是一种先进的开放集检测模型，能够处理包括开放词汇检测（OVD）、短语定位（PG）和指代表达式理解（REC）在内的多种视觉任务。由于其有效性，Grounding-DINO 已被广泛采用为各种下游应用的主流架构。然而，尽管它意义重大，但由于训练代码的不可用性，原始的 Grounding-DINO 模型缺乏全面的公共技术细节。

1 条评论您还未登录，请先登录后发表或查看评论

在mmdetection中推理无标注图像文件并输出检测结果（json文件）

qq_41961036的博客

11-09

2418

MMDetection 支持在不使用 ground-truth 标注的情况下对模型进行测试，这需要用到 CocoDataset。如果你的数据集格式不是 COCO 格式的，请将其转化成 COCO 格式。如果你的数据集格式是 VOC 或者 Cityscapes，你可以使用 tools/dataset_converters 内的脚本直接将其转化成 COCO 格式。生成图片的json后，json里的图片顺序可能和文件夹中的图片顺序，不一致，使用以下代码排序。

MMdetection

qq_39552034的博客

08-24

1027

主要实现如下的功能：使用现有的模型对给定的图像进行推理在标准数据集上测试已有的模型在标准数据集上训练预定义的模型使用现有的模型对给定的图像进行推理 configs文件夹集成各种算法，模型在config文件中定义，设置所有东西：backbone，深度，训练策略，选取的优化器，数据处理参数……. 而模型的参数存在于checkpoint文件中。 config文件命名规则： {model}_[model setting]_{backbone}_{neck}_[norm setting]_[misc]_[

Spyglass：官方Hands-on Training（一）

最新发布

前进，才知道自己的渺小

04-30

1560

本教程提供了在多个设计阶段中运行Spyglass的操作指导，旨在通过实操获得对Spyglass设置及其结果调试/分析的深入理解，涵盖多个动手练习，每个练习之间是相互依赖的，需要按顺序完成。

关于mmdetection框架实用小工具说明

qq_45720073的博客

08-03

1515

关于mmdetection框架实用小工具说明

mmdet-tools工具测试

baidu_40840693的博客

09-16

3204

analyze_logs.py python analyze_logs.py plot_curve log.json --keys loss_cls --legend loss_cls python analyze_logs.py plot_curve log.json --keys loss_cls loss_bbox --legend loss_cls loss_bbox python analyze_logs.py plot_curve log.json --keys lo...

【无标题】

weixin_47407793的博客

11-28

466

其中表示训练模型时选择的模型表示训练生成后选择的work_dir路径下的权重，表示使用GPU个数 --eval bbox dete。4、测试代码在终端输入sh dist_test.sh --eval bbox segm。1、模型开始训练后会生成work_dir路径，该路径下保存的训练模型得到的参数。3、更具训练权重，使用coco数据集的测试集，测试训练结果。2、通过微调模型的参数得到训练权重。

mmdetection3d模型框架解读

qq_52889317的博客

10-23

2509

由于 3D 本身数据的复杂性和 MMDetection3D 支持任务（点云 3D 检测、单目 3D 检测、多模态 3D 检测和点云 3D 语义分割等）和场景（室内和室外）的多样性，整个框架结构相对复杂，新人用户的上手门槛相对较高。所以我们推出新的系列文章，让各个细分方向的用户都能轻松上手 MMDetection3D，基于框架进行自己的研究和开发。首先展示整个代码库的目录结构，方便初步认识：# MMDetection3D 代码目录结构，展示主要部分|- configs# 配置文件。

mmdetection从入门到精通（二）－环境安装和常用工具使用

熊猫小妖的AI世界

12-28

638

mmdetection安装过程和调试工具

复现MMDetection3D版本 -单目3d检测（smoke）

qq_53545309的博客

05-22

1118

SMOKE Preface Liu, Z C, Wu Z Z, Tóth R. Smoke: Single-stage monocular 3d object detection via keypoint estimation[C]. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops. 2020: 996-997. 来自SMOKE官方源码中的示例（特定参数）：

mmdetection 常见问题及错误记录

01-06

1、GPU下出现/pytorch/aten/src/ATen/native/cuda/IndexKernel.cu:53: lambda [](int)->auto::operator()(int)->auto: block: [9,0,0], thread: [32,0,0] Assertion `index >= -sizes[i] && index < sizes[i] && index out of bounds` failed.问题 GPU上运行神经网络模型，是使用多线程并行加速的，如果出错，真正的错误信息很容易被cuda的错误信息淹没，所以难以看到错误信息，一般引起问题的原因是

实例分割-【mmdetection】test过程问题记录（4）

qq_53229439的博客

12-22

783

在mmdetection中，训练结束后在test.py时产生报错，error: unrecognized arguments: --eval bbox segm。查找路径，没有问题。查找版本，下的最新版。环境问题，看了一遍没有问题，百思不得其解。而后在配置里尝试修改 ----eval mAP还是报错！因此怀疑是整个语句的问题。暴力删除掉这个语句--eval bbox segm。

mmdetection2.11.0 模型测试评估及计算各个类别的map

知北行的博客

05-19

1万+

1. 计算各个类别的map 1.1 方法1: 直接计算, 仅支持voc 数据集与 custom 数据集使用如下命令直接计算各个分类的map , 使用的图片为 config 配置中test中的数据集评估 python tools/test.py work_dirs/faster_rcnn_r50_fpn_1x_coco.py work_dirs/latest.pth --eval mAP # 参数说明 - work_dir/faster_rcnn_r50_fpn_1x_coco.py: 模型配置文件 -

运行mmdetection出现的各种问题，以及解决方式

weixin_44655383的博客

08-30

2155

MMdetection运行时遇到的问题

DL | mmdetection笔记：安装+训练测试+部署服务

南瓜派三蔬

05-28

3172

文章目录1.介绍2.安装3. 训练和测试3.1 coco数据集格式和构造3.2 训练参数配置3.3 训练3.3 测试4.部署服务4.1 部署4.1.1 安装docker或者nvidia-docker4.2 检查是否正常启动了服务4.3 调用服务-curl命令4.4 调用服务-post请求5.遇到的小坑 1.介绍 mmdetection是一个安装和使用方便，非常好用，非常优秀的一款国产cv框架。可以方便的用来做目标检测、语义分割等。 2.安装按照官方文档就很方便，考虑到github经常卡的上不去，我还是把

基于PaddleX实现的钢筋计数

m0_63642362的博客

12-04

1418

在工业生产中，钢筋、圆木计数的场景非常多见，它们有个共性特点：产品密集、环境不固定、模型端侧部署。针对此类场景，通过使用PaddleX的YOLOv3算法构建一套产品计数的方便，并实现在边缘端部署。

（详细教程）mmdetection训练自己的模型，测试，评估

热门推荐

若风的博客

01-16

3万+

1. 简介商汤科技（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，Cascade-RCNN等主流目标检测框架。可以快速部署自己的模型。 2.环境要求 Linux (不支持windows) Python 3.5+ >=PyTorch...

MMDeteceion V3版之系列一（环境安装、模型测试、训练以及模型后处理工具）

qq_41627642的博客

05-06

8964

1、MMDeteceion初识 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新的检测分割模型。根据 GitHub 项目所述，MMDetection的主要特征可以总结为以下几个方面：模块化设计：将检测或者分割任务分解成几个模

查看mmdetection版本

03-14

<think>好的，用户想查看已安装的mmdetection库的版本号。我需要给出几种可行的方法。首先想到的是Python中常用的方法，比如在Python解释器里导入模块并查看__version__属性。记得mmdetection通常会提供这个属性，所以应该可行。其次，pip命令也是一个常用方式，用户可以通过pip list或者pip show来查找已安装的包。不过需要注意，如果用户是使用源码安装的话，pip可能无法正确显示版本，这时候就需要其他方法了。另外，检查安装目录下的版本文件也是一个办法。比如查看mmdet/__init__.py或者version.py文件里的版本信息。用户可能需要进入Python的site-packages目录，或者找到源码安装的位置。还有，有些教程提到通过训练脚本输出来查看版本，或者在命令行中运行检测脚本时版本信息会被打印出来。但这种方法可能不太直接，不如前几种可靠。需要提醒用户注意，如果使用源码安装，版本可能不会在pip中显示，这时候必须通过Python代码或文件查看。另外，不同安装方式可能导致路径不同，用户需要根据实际情况调整路径。最后，确保给出的步骤清晰，分点说明，并举例具体的命令和代码，方便用户操作。可能用户对Python环境或命令行不太熟悉，所以需要详细说明每一步的操作方法。</think>### 查看mmdetection安装版本的步骤 #### 方法1：通过Python代码查看在Python环境中执行以下代码： ```python import mmdet print(mmdet.__version__) ``` 这将直接输出当前安装的版本号，例如`2.28.1`。此方法适用于常规安装环境[^3]。 #### 方法2：使用pip命令在终端中执行以下命令： ```bash pip show mmdetection ``` 或查看所有已安装包： ```bash pip list | grep mmdetection ``` 如果显示`mmdetection`后带有版本号（如`mmdetection 2.28.1`），则说明通过pip安装成功。但注意：**源码安装可能无法通过pip显示版本**[^2]。 #### 方法3：检查安装目录 1. 进入Python包安装目录： ```bash cd /path/to/site-packages/mmdet ``` 2. 查看`__init__.py`或`version.py`文件： ```bash grep __version__ __init__.py ``` 文件内通常包含类似`__version__ = '2.28.1'`的版本声明。 #### 特殊情况说明若通过源码安装（如使用`git clone`），建议： 1. 进入源码目录 2. 查看`requirements`文件或`setup.py` 3. 使用`git tag`查看版本标签（如果保留git仓库）例如： ```bash cd mmdetection git describe --tags ```