RefineDet for Pytorch

根據(jù)研究內(nèi)容需要選擇合適的目標檢測算法擦俐,不要求速度但是需要保證較高的識別檢測的準確度。

學(xué)習(xí)參考

Single-Shot Refinement Neural Network for Object Detection paper code code1 code2 code3

RefineDet(2)_論文_CVPR2018
RefineDet (CVPR, 2018)
CVPR2018 目標檢測(object detection)算法總覽

Object Detection in 20 Years: A Survey
密歇根大學(xué)40頁《20年目標檢測綜述》最新論文握侧,帶你全面了解目標檢測方法

Benchmarking Robustness in Object Detection:Autonomous Driving when Winter is Coming
目前最先進的目標檢測能用于自動駕駛嗎?

環(huán)境配置

GPU訓(xùn)練測試

# Name                    Version                   Build  Channel
_libgcc_mutex             0.1                        main  
blas                      1.0                         mkl  
bzip2                     1.0.6                h14c3975_5  
ca-certificates           2019.5.15                     0  
cairo                     1.14.12              h8948797_3  
certifi                   2019.6.16                py36_0  
cffi                      1.12.3           py36h2e261b9_0  
cudatoolkit               9.0                  h13b8566_0  
cudnn                     7.6.0                 cuda9.0_0  
ffmpeg                    4.0                  hcdf2ecd_0  
fontconfig                2.13.0               h9420a91_0  
freeglut                  3.0.0                hf484d3e_5  
freetype                  2.9.1                h8a8886c_1  
glib                      2.56.2               hd408876_0  
graphite2                 1.3.13               h23475e2_0  
harfbuzz                  1.8.8                hffaf4a1_0  
hdf5                      1.10.2               hba1933b_1  
icu                       58.2                 h9c2bf20_1  
intel-openmp              2019.4                      243  
jasper                    2.0.14               h07fcdf6_1  
jpeg                      9b                   h024ee3a_2  
libedit                   3.1.20181209         hc058e9b_0  
libffi                    3.2.1                hd88cf55_4  
libgcc-ng                 9.1.0                hdf63c60_0  
libgfortran-ng            7.3.0                hdf63c60_0  
libglu                    9.0.0                hf484d3e_1  
libopencv                 3.4.2                hb342d67_1  
libopus                   1.3                  h7b6447c_0  
libpng                    1.6.37               hbc83047_0  
libstdcxx-ng              9.1.0                hdf63c60_0  
libtiff                   4.0.10               h2733197_2  
libuuid                   1.0.3                h1bed415_2  
libvpx                    1.7.0                h439df22_0  
libxcb                    1.13                 h1bed415_1  
libxml2                   2.9.9                hea5a465_1  
mkl                       2018.0.3                      1  
mkl_fft                   1.0.6            py36h7dd41cf_0  
mkl_random                1.0.1            py36h4414c95_1  
nccl                      1.3.5                 cuda9.0_0  
ncurses                   6.1                  he6710b0_1  
ninja                     1.9.0            py36hfd86e86_0  
numpy                     1.16.4                    <pip>
numpy                     1.15.4           py36h1d66e8a_0  
numpy-base                1.15.4           py36h81de0dd_0  
olefile                   0.46                     py36_0  
opencv                    3.4.2            py36h6fd60c2_1  
openssl                   1.1.1c               h7b6447c_1  
pcre                      8.43                 he6710b0_0  
pillow                    6.0.0            py36h34e0f95_0  
pip                       19.1.1                   py36_0  
pixman                    0.38.0               h7b6447c_0  
py-opencv                 3.4.2            py36hb342d67_1  
pycparser                 2.19                     py36_0  
python                    3.6.8                h0371630_0  
pytorch                   0.4.1            py36ha74772b_0  
pyzmq                     18.0.2                    <pip>
readline                  7.0                  h7b6447c_5  
setuptools                41.0.1                   py36_0  
six                       1.12.0                    <pip>
six                       1.12.0                   py36_0  
sqlite                    3.28.0               h7b6447c_0  
tk                        8.6.8                hbc83047_0  
torchfile                 0.1.0                     <pip>
torchvision               0.2.1                    py36_0  
tornado                   6.0.3                     <pip>
visdom                    0.1.8.8                   <pip>
websocket-client          0.56.0                    <pip>
wheel                     0.33.4                   py36_0  
xz                        5.2.4                h14c3975_4  
zlib                      1.2.11               h7b6447c_3  
zstd                      1.3.7                h0b5b093_0 

代碼運行

  • 下載數(shù)據(jù)集
    VOC0712和COCO2014
sh data/scripts/VOC2007.sh
sh data/scripts/VOC2012.sh

修改mkdir -p ~/data -> mkdir -p ./data
這樣下載的數(shù)據(jù)集會保存在項目根目錄下面
因此訓(xùn)練集的路徑位置 /RefineDet.PyTorch/data/datasets/VOCdevkit/VOC2007
/RefineDet.PyTorch/data/datasets/VOCdevkit/VOC2012

sh data/scripts/COCO2014.sh
  • 下載預(yù)訓(xùn)練模型
wget https://s3.amazonaws.com/amdegroot-models/vgg16_reducedfc.pth

保存在/RefineDet.PyTorch/weights路徑下

  • 訓(xùn)練代碼
./train_refinedet512.sh

也可以根據(jù)custom datasets 輸入訓(xùn)練代碼蚯瞧,訓(xùn)練顯存7GB

CUDA_VISIBLE_DEVICES=0 python train_refinedet_urpc.py --save_folder weights/ --input_size 512 --batch_size 8 --dataset_root custom
  • 測試代碼
./eval_refinedet.sh

可以根據(jù)測試要求輸入測試代碼

CUDA_VISIBLE_DEVICES=1 python eval_refinedet.py --trained_model weights/refinedet_testVOC.pth --save_folder eval_refinedet/ 

問題匯總

  • NameError: name 'viz' is not defined
    定義一個全局變量
    解決方式:
    修改train_refinedet.py line93為
if args.visdom:
    import visdom
    global viz
    viz = visdom.Visdom()
  • 訓(xùn)練時 loss 出現(xiàn)nan
    解決方式:
    修改batch_size嘿期,將default 32改為8,但是測試mAP結(jié)果下降

  • RuntimeError

RuntimeError: cuda runtime error (38) : no CUDA-capable device is detected at /pytorch/torch/lib/THC/THCGeneral.c:70

問題原因:沒有檢測到CUDA設(shè)備如顯卡驅(qū)動等
解決方案:
1.運行nvidias-smi查看顯卡

nvidia-smi

2.檢查代碼配置文件等

os.environ["CUDA_VISIBLE_DEVICES"] = config.gpus

gpus序號應(yīng)為可運行的GPU設(shè)備

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末埋合,一起剝皮案震驚了整個濱河市备徐,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌甚颂,老刑警劉巖蜜猾,帶你破解...
    沈念sama閱讀 222,729評論 6 517
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異振诬,居然都是意外死亡蹭睡,警方通過查閱死者的電腦和手機,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 95,226評論 3 399
  • 文/潘曉璐 我一進店門赶么,熙熙樓的掌柜王于貴愁眉苦臉地迎上來肩豁,“玉大人,你說我怎么就攤上這事辫呻∏逶浚” “怎么了?”我有些...
    開封第一講書人閱讀 169,461評論 0 362
  • 文/不壞的土叔 我叫張陵放闺,是天一觀的道長祟昭。 經(jīng)常有香客問我,道長雄人,這世上最難降的妖魔是什么从橘? 我笑而不...
    開封第一講書人閱讀 60,135評論 1 300
  • 正文 為了忘掉前任,我火速辦了婚禮础钠,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘叉谜。我一直安慰自己旗吁,他們只是感情好,可當(dāng)我...
    茶點故事閱讀 69,130評論 6 398
  • 文/花漫 我一把揭開白布停局。 她就那樣靜靜地躺著很钓,像睡著了一般。 火紅的嫁衣襯著肌膚如雪董栽。 梳的紋絲不亂的頭發(fā)上码倦,一...
    開封第一講書人閱讀 52,736評論 1 312
  • 那天,我揣著相機與錄音锭碳,去河邊找鬼袁稽。 笑死,一個胖子當(dāng)著我的面吹牛擒抛,可吹牛的內(nèi)容都是我干的推汽。 我是一名探鬼主播补疑,決...
    沈念sama閱讀 41,179評論 3 422
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼歹撒!你這毒婦竟也來了莲组?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 40,124評論 0 277
  • 序言:老撾萬榮一對情侶失蹤暖夭,失蹤者是張志新(化名)和其女友劉穎锹杈,沒想到半個月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體迈着,經(jīng)...
    沈念sama閱讀 46,657評論 1 320
  • 正文 獨居荒郊野嶺守林人離奇死亡竭望,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 38,723評論 3 342
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了寥假。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片市框。...
    茶點故事閱讀 40,872評論 1 353
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖糕韧,靈堂內(nèi)的尸體忽然破棺而出枫振,到底是詐尸還是另有隱情,我是刑警寧澤萤彩,帶...
    沈念sama閱讀 36,533評論 5 351
  • 正文 年R本政府宣布粪滤,位于F島的核電站,受9級特大地震影響雀扶,放射性物質(zhì)發(fā)生泄漏杖小。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 42,213評論 3 336
  • 文/蒙蒙 一愚墓、第九天 我趴在偏房一處隱蔽的房頂上張望予权。 院中可真熱鬧,春花似錦浪册、人聲如沸扫腺。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,700評論 0 25
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽笆环。三九已至,卻和暖如春厚者,著一層夾襖步出監(jiān)牢的瞬間躁劣,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 33,819評論 1 274
  • 我被黑心中介騙來泰國打工库菲, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留账忘,地道東北人。 一個月前我還...
    沈念sama閱讀 49,304評論 3 379
  • 正文 我出身青樓,卻偏偏與公主長得像闪萄,于是被迫代替她去往敵國和親梧却。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 45,876評論 2 361