mmdetection常用命令

最新推荐文章于 2025-04-30 17:48:11 发布
最新推荐文章于 2025-04-30 17:48:11 发布
阅读量2.3k 收藏 25
点赞数 7
CC 4.0 BY-SA版权
分类专栏： cv
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/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.

    • 


                

        

    

    
  


        

            

                      
                        最低0.47元/天 解锁文章
                        

                          
200万优质内容无限畅学

                          
                        

                      
            

        


    



                



	

		

			

				
					
mmdetection3d 训练

				
			

			

				

					叶子的博客
				

				

					06-14
					
					7930
					
				

			

		

		

			
				
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
					
					4393
					
				

			

		

		

			
				
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。

			
		

	



              


  
              

                


	

		

			

				
					
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
					
					2411
					
				

			

		

		

			
				
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
					
					1554
					
				

			

		

		

			
				
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
					
					3197
					
				

			

		

		

			
				
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
					
					2507
					
				

			

		

		

			
				
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
					
					1117
					
				

			

		

		

			
				
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
					
					782
					
				

			

		

		

			
				
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
					
					3169
					
				

			

		

		

			
				
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
					
					8955
					
				

			

		

		

			
				
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
				

			

		

		

			
				
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...

			
		

	



              




          




        



    





    



      

      

        
      

      





	

		
评论 1

	

  
	




  

    

      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