mmdetection2.17可视化：pr曲线、FPS Benchmark、anchor、各类loss/mAP、Yolo的anchor

已于 2022-04-29 16:34:38 修改
阅读量6.6k 收藏 8
点赞数 4
CC 4.0 BY-SA版权
分类专栏： 视觉检测图像分割干货 文章标签： mmdetection 可视化 FPS
于 2021-10-28 12:54:32 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY 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.csdn.net/qq_42308217/article/details/121011230
本文详细探讨了mmdetection2.17中的关键功能，包括锚点可视化、PR曲线的生成、各损失函数与mAP指标的分析、FPS性能基准测试，以及Yolo模型中两种不同的锚点优化策略。通过实例代码和步骤，展示了如何使用mmdetection进行模型评估和优化。

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

anchor可视化

  • 在目录：mmdet\models\dense_heads\anchor_head就可以可视化anchor，插入位置为： anchor_list, valid_flag_list = self.get_anchors(featmap_sizes, img_metas, device=device) 和label_channels = self.cls_out_channels if self.use_sigmoid_cls else 1 之间，插入的代码具体如下：
   random_n = 1
   img_shape = img_metas[0]['pad_shape']
   imgh,<
了解本专栏 订阅专栏 解锁全文
mmdetection绘制多个模型的PR曲线对比图【v3.0】
Pliter的博客
05-24 1946
其中引号部分为你所需对比模型的.bbox.json文件路径，有几个模型就传入几个路径，--ann=后需要对应修改自己的测试集的标注文件路径。生成PR曲线图中的模型所对应的标签为.bbox.json文件的名字，即Faster_RCNN.bbox.json文件生成的PR曲线图中的标签就是Faster_RCNN。网上目前存在的多个模型PR曲线对比图的代码都是v2.x的版本，3.0的版本不适用，在网上也只找到了一位前辈画单个模型的PR曲线图’‘，所以我在此基础上继续实现在一张图上实现多个模型的PR曲线对比图。
【MMDetection 系列：三】Loss 函数详解 + Pytorch 实现
鹿鹿的博客
12-03 1万+
Reference https://zhuanlan.zhihu.com/p/40284001 https://blog.csdn.net/weixin_41665360/article/details/100126744 https://github.com/open-mmlab/mmdetection https://github.com/thangvubk/Cascade-RPN （bas...
mmdetection 绘制PR曲线
Ghlerrix的博客
03-27 6001
发现直接使用`matplotlib`绘制曲线在修改图片上一些细节是比较麻烦，因此我决定使用Excel来绘制PR曲线
MMdetection框架下的benchmark评价构建
最新发布
qq_54708219的博客
05-28 684
MMdetection框架下的benchmark评价构建：测试以下八大指标，并画出分布图，错误样例YOLO版本的Benchmark如下：YOLO系列指标测试代码V4.0版-CSDN博客。
MMdetection 绘制PR曲线图【3.X版本】
m0_61878076的博客
07-25 3224
说重点的内容，实际上可视化的结果就已经包含了每个类别的PR曲线图。只是没有直说，下面详细介绍官方PR曲线图的出图过程。
[MMDetection]绘制PR图
一只大憨憨的博客
07-11 2601
[MMDetection]绘制PR图
用MMdetection训练测试自己的voc数据集
qq_43271903的博客
01-13 2307
1. 数据准备 （供个人学习，侵删） 将准备好的voc数据集按照以下路径存放 mmdetection ├── mmdet ├── tools ├── configs ├── data │ ├── VOCdevkit │ │ ├── VOC2007 │ │ │ ├── Annotations │ │ │ ├── JPEGImages │ │ │ ├── ImageSets │ │ │ │ ├── Main │ │ │ │ │
MMDetection: Open MMLab Detection Toolbox and Benchmark
abrams90的专栏
07-16 2155
Abstract： 本文提出了一个包含丰富的目标检测与实力分割算法以及相关组件与模块的目标检测工具箱，称为MMDetection。这个工具箱最开始是作为COCO Challenge2018检测跟踪冠军队伍的codebase。最终这个工具箱演化成了一个包括许多流行的目标检测方法与相关模块的统一平台。它不仅包括训练与推理代码，还提供了超过200种网络模型权重。我们认为这个工具箱是目前最完善的检测工具箱。本文中，我们会介绍这个工具箱的多样化特征。此外，我们还对不同方法、组件以及超参数进行了ben...
MaskRCNN Benchmark 配置问题，FileNotFoundError: [Errno 2] No such file or directory: ':/usr/local/cuda:/
hankexin1314的博客
10-29 4673
问题描述 在按照官方的安装指南安装时，出现了问题 FileNotFoundError: [Errno 2] No such file or directory: ':/usr/local/cuda:/usr/local/cuda-10.1/bin/nvcc': ':/usr/local/cuda:/usr/local/cuda-10.1/bin/nvcc' 问题解决 谷歌了一下，发现在githu...
【mmdetection】使用coco数据集训练后结果可视化
热门推荐
qq_41627396的博客
05-15 2万+
1.开始 本文记录使用coco数据集通过mmdetection（v2.11）的cascade-rcnn模型进行训练，将结果可视化的过程 2.可视化代码 目前实现以下代码的可视化(后续不断学习不断更新) LOSS P-R曲线 mAP 以下操作都是在mmdetection根目录下进入到open-mmlab环境中进行的 (1)Loss曲线 work_dirs设置自己模型得到的log.json文件，–out后面是保存的位置以及文件名字，可以保存为jpg/png等格式 python tools/analysi
Faster_RCNN绘制P-R曲线、检测视频
03-14
共包含三个文件： demo_video.py用于训练好的模型进行视频检测； pr-curve.py用于绘制P-R曲线（方法一） pascal_voc.py用于绘制P-R曲线（方法二）
mmdetection使用tensorboard可视化训练集与验证集指标参数
洪流之源
11-30 2万+
如何使用mmdetection训练自己的数据可以参考这篇文章https://blog.csdn.net/weicao1990/article/details/93484603，在这篇文章中只是用训练集进行训练，没有用到验证集验证模型的指标，因此这篇文章中将会讨论如何增加验证集，并且使用tensorboard可视化训练集与验证集的指标参数。 以cascade_rcnn_hrnetv2p_w32_2...
ANCHOR机制讲解可视化理解
qq_33031419的博客
04-26 638
https://www.freesion.com/article/4142229904/
mmdetection中的训练显示loss
weixin_51486807的博客
03-08 976
loss_cls: 0.0417, loss_bbox: 0.1390, loss_dfl: 0.1413, loss: 0.3220 这些loss是一个batch整体的loss，不是一张图片的loss
绘制PR曲线
Abel_____的博客
11-06 750
绘制pr曲线
YOLOv5的参数IOU与PR曲线,F1 score
weixin_38353277的博客
10-26 1万+
YOLOv5的参数IOU与PR曲线,F1 score conf_thres Confidence Threshold，置信度阈值。 只显示预测概率超过conf_thres的预测结果。 想让YOLO只标记可能性高的地方，就把这个参数提高。 iou_thres Intersect over Union Threshold，交并比阈值。 IOU值：预测框大小∩真实框大小 / 预测框大小∪真实框大小。 预测框与真实框的交集与并集的取值。 iou_thres在detect.py中： 越大，则
mmdetection训练自己的数据集成功后绘制loss、accuracy曲线
kelly若的博客
11-24 1万+
此方法仅供自己学习用，纯属自己的学习笔记。 绘制方法参考Github上面的：mmdetection_visualize 按照上面的方法放置好相应的文件之后，下面放置json文件： 1、将faster_rcnn_r101_fpn_1x_coco.py得到的json文件放入mmdetection_visualize-master/json/文件夹下 2、然后将该json文件的表头文件删掉，第一行不能是空行！ 3、然后把含有mAP的行删掉。 4、然后在mmdetection_visualize-master文件
记录mmdetection过程
NOSYPIPA的博客
09-12 1712
安装： 1.创建虚拟环境python3.7 conda create -n mmdetection python=3.7 source activate mmdetection 2.mmdetection需要先配置mmcv库 git clone https://github.com/open-mmlab/mmcv.git cd mmcv pip install. (可能会提示某模块安...
ANKERL::NANOBENCH: C++ 11/14/17/20跨平台微基准测试库
`benchmark` 表明库的主要用途是性能基准测试。`cpp` 和 `cpp11/c++11` 表示该库是为 C++ 语言编写的。`header-only` 和 `single-header-lib/single-file/single-header` 表明这是一个头文件库，它由一个单独的文件...
评论 3
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

打赏作者

刚哥吧

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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