1 复现流程

复现流程表：

翻译原始论文；
学习PaddleDetection配置参数
对齐Dataloader；

2 MMRotate代码

2.1 配置mmrotate环境

官方安装文档：INSTALLATION — mmrotate documentation

Clone原始模型代码

git clone https://github.com/open-mmlab/mmrotate.git mmrotate_oriented_reppoints

安装openmim

python -m pip install -U openmim -i https://pypi.tuna.tsinghua.edu.cn/simple

安装mmcv

mim install mmcv-full -i https://pypi.tuna.tsinghua.edu.cn/simple

安装mmdet

mim install mmdet -i https://pypi.tuna.tsinghua.edu.cn/simple

以项目源码安装mm

pip install -v -e . -i https://pypi.tuna.tsinghua.edu.cn/simple

参数说明：

-v: means verbose, or more output.
-e: means installing a project in editable mode, thus any local modifications made to the code will take effect without reinstallation.

验证mmrotate安装时出现错误：“RuntimeError: indices should be either on cpu or on the same device as the indexed tensor (cpu)”

在使用mmrotate官方示例验证其安装时，出现错误：

[mmrotate_oriented_reppoints]：
…
File “d:\professional\xxx\mmrotate\models\roi_heads\bbox_heads\rotated_bbox_head.py”, line 418, in get_bboxes
det_bboxes, det_labels = multiclass_nms_rotated(
File “d:\professional\xxx\mmrotate\core\post_processing\bbox_nms_rotated.py”, line 58, in multiclass_nms_rotated
bboxes, scores, labels = bboxes[inds], scores[inds], labels[inds]
RuntimeError: indices should be either on cpu or on the same device as the indexed tensor (cpu)

（1）将测试命令修改为使用`cpu`进行推理：

python demo/image_demo.py demo/demo.jpg oriented_rcnn_r50_fpn_1x_dota_le90.py oriented_rcnn_r50_fpn_1x_dota_le90-6d2b2ce0.pth --out-file result.jpg --device cpu

（2）将出错位置的张量索引操作改成一致的设备

大概率出错的是这两句代码：

def assign(self,points,gt_rbboxes,gt_rbboxes_ignore=None,gt_labels=None,overlaps=None):......gt_bboxes_wh = (gt_bboxes[:, 2:] - gt_bboxes[:, :2]).clamp(min=1e-6)scale = self.scalegt_bboxes_lvl = ((torch.log2(gt_bboxes_wh[:, 0] / scale) +torch.log2(gt_bboxes_wh[:, 1] / scale)) / 2).int()gt_bboxes_lvl = torch.clamp(gt_bboxes_lvl, min=lvl_min, max=lvl_max)# stores the assigned gt index of each pointassigned_gt_inds = points.new_zeros((num_points, ), dtype=torch.long)# stores the assigned gt dist (to this point) of each pointassigned_gt_dist = points.new_full((num_points, ), float('inf'))points_range = torch.arange(points.shape[0])             # NOT specify a devicefor idx in range(num_gts):gt_lvl = gt_bboxes_lvl[idx]# get the index of points in this levellvl_idx = gt_lvl == points_lvlpoints_index = points_range[lvl_idx]                   # <-- error1...# the index of nearest k points to gt center in this levelmin_dist_points_index = points_index[min_dist_index]   # <-- error2

我看了一下，points_index也是来自于points_range，很大的可能性是points_range的设备不一致，然后track上去，发现points_range = torch.arange(points.shape[0])这一句代码没有显示指定设备，可能会分配到CPU上从而引发错误，于是把代码修改为：

points_range = torch.arange(points.shape[0]).to(gt_bboxes_lvl.device) # 跟gt_bboxes_lvl的设备保持一致

2.2 数据集配置：DOTA1.0

2.2.1 在Win11上使用mklink创建软链接

示例代码：

mklink /j "D:\Professional\Paddle\mmrotate_oriented_reppoints\data\DOTA" "D:\Professional\Paddle\DOTA"

2.2.2 数据集目录结构

mmrotate
├── mmrotate
├── tools
├── configs
├── data
│   ├── DOTA
│   │   ├── train
│   │   ├── val
│   │   ├── test

2.2.3 划分数据集：mmrotate: split dota dataset

Note:
原始论文切图的方式是这样的：
We crop the original images into the patches of 1024 × 1024 with a stride of 824.
所以，可以看到原始论文没有使用 ms-split 的方式切分数据集。

1024×1024 patches with an overlap of 200 [mmrotate]

Note:
可以看到原始论文中的描述跟MMRotate官方repo使用的切图方式是一致的，因为 overlap = 200 和 stride = 824 是等价的，因为 200 + 824 = 1024，刚好就是图像的宽度1024。

Ss_trainval:

python tools/data/dota/split/img_split.py --base-json tools/data/dota/split/split_configs/ss_trainval.json

Ss_test:

python tools/data/dota/split/img_split.py --base-json tools/data/dota/split/split_configs/ss_test.json

标注说明

717.0	76.0	726.0	78.0	722.0	95.0	714.0	90.0	small-vehicle	0
x1	y1	x2	y2	x3	y3	x4	y4	category	is_hard_sample

修改数据集配置文件：`configs/_base_/datasets/dotav1.py`

将data_root修改为：

# dataset settings
dataset_type = 'DOTADataset'
data_root = 'data/split_ss_dota/'

2.3 训练设置

原始论文训练环境

4 * RTX 2080Ti

训练命令

python tools/train.py configs/oriented_reppoints/oriented_reppoints_r50_fpn_40e_dota_ms_le135.py

2.4 可视化

可视化数据集

python tools/misc/browse_dataset.py configs/oriented_reppoints/oriented_reppoints_r50_fpn_40e_dota_ms_le135.py

2.5 自定义Hooks

MMRotate官方教程：Customize self-implemented hooks

2.6 类和函数说明

2.6.1 模型类

RotatedRepPoints

init_weights()

初始化RotatedRepPoints模型，包括载入主干网络的预训练权重；

Parameters: none

Scenarios:

在tools/train.py中，用于初始化模型参数，包括载入主干网络的预训练权重；

2.7 Troubleshooting

I. 出现错误：from collections import Sequence, ImportError: cannot import name ‘Sequence’ from ‘collections’

我们在运行tools/misc/browse_dataset.py出现了错误：

Traceback (most recent call last):File "D:\Professional\Paddle\mmrotate_oriented_reppoints\tools\misc\browse_dataset.py", line 4, in <module>from collections import Sequence
ImportError: cannot import name 'Sequence' from 'collections' (C:\Users\xxx\.conda\envs\openmmlab\lib\collections\__init__.py)

其主要原因是python从3.9开始需要从collections.abc而不是collections中导入Sequence抽象类；
所以需要修改browse_dataset.py的源码，将原始语句

from collections import Sequence

改成

from collections.abc import Sequence

II. 重新配置conda环境时，出现错误：“OMP: Error #15: Initializing libiomp5md.dll, but found libiomp5md.dll already initialized.”

解决方法：

将当前conda环境彻底删除（在envs文件夹中确认此env文件夹已经删除），然后再重新配置conda环境；

3 PaddleDetection学习笔记

3.1 配置环境&Clone代码

创建conda环境：

conda create --name conda-paddle python=3.10

Clone代码：

git clone https://github.com/PaddlePaddle/PaddleDetection.git Paddle_oriented_reppoints

3.1.1 PaddleRorate算子编译

Visual Studio配置说明

PaddleRorate在文档中并没有提供适合于Win11平台算子编译的配置说明；
我们感觉似乎是直接安装 Visual Studio 生成工具 就可以了；

进入旋转检测算子目录

Win11

切换E盘分区：

E:

进入旋转算子目录：

cd E:\Professional\Paddle\Paddle_oriented_reppoints\ppdet\ext_op

Troubleshooting

（1）报错：C:\Users…\lib\site-packages\paddle\include\paddle/phi/api/include/tensor.h(23): fatal error C1083: 无法打开包括文件: “cuda_runtime.h”: No such file or directory

今天我们尝试使用conda来配置CUDA的编译环境，在编译算子时出现了这样的错误：

C:\Users\xxx\anaconda3\envs\conda-paddle\lib\site-packages\paddle\include\paddle/phi/api/include/tensor.h(23): fatal error C1083: 无法打开包括文件: “cuda_runtime.h”: No such file or directory
error: command ‘C:\Program Files (x86)\Microsoft Visual Studio\2022\BuildTools\VC\Tools\MSVC\14.34.31933\bin\HostX64\x64\cl.exe’ failed with exit code 2

也就是paddle无法找到cuda_runtime.h头文件；
解决方案：
使用conda安装cuda-cudart-dev包，安装 cuda_runtime 的C++函数库，包括cuda_runtime.h头文件；
具体的安装命令请参考Nvidia官方conda源：nvidia / packages / cuda-cudart-dev

Note:
注意cuda-cudart-dev中CUDA主版本号与paddle保持一致，例如：paddle在安装时使用CUDA11.7，则cuda-cudart-dev也要选择CUDA11的版本。

3.2 数据集配置：DOTA数据集

Note:
MMRotate中不是使用标准COCO格式作为标注文件的，所以这里我们不能直接PaddleDetection中已有的数据读取类，而需要复现MMRotate中的数据读取类。

3.2.1 定义PaddleDetection格式数据集

官方教程：使用PP-YOLOE-R进行旋转框检测 - 飞桨AI Studio （自定义数据集章节）

PaddleDetection格式：COCO多边形标注

{    "id": int, // 目标实例唯一标志符"image_id": int, // 所属的图像文件"category_id": int, // 对应的类别"segmentation": [polygon], // 实例多边形标注"area": float, // 标注区域的面积"bbox": [x,y,width,height],"iscrowd": 0, // 0：单个目标实例
}

设置文件夹路径

Win11命令：

对数据集目录创建软链接

New-Item -ItemType SymbolicLink -Path "D:\Professional\Paddle\Paddle_oriented_reppoints\dataset\dota\data" -Target "D:\Professional\Paddle\mmrotate_oriented_reppoints\data"

设置trainval目录

New-Item -ItemType SymbolicLink -Path "D:\Professional\Paddle\Paddle_oriented_reppoints\dataset\dota\trainval" -Target "D:\Professional\Paddle\mmrotate_oriented_reppoints\data\split_ss_dota\trainval"

设置test目录

New-Item -ItemType SymbolicLink -Path "D:\Professional\Paddle\Paddle_oriented_reppoints\dataset\dota\test" -Target "D:\Professional\Paddle\mmrotate_oriented_reppoints\data\split_ss_dota\test"

工作空间中DOTA数据集目录

$DOTA_ROOT = "D:\Professional\Paddle\Paddle_oriented_reppoints\DOTA_ROOT"

多尺度切图

Win11命令：

对于有标注的数据进行切图（train & val）

python configs/rotate/tools/prepare_data.py `--input_dirs ${DOTA_ROOT}/train/ ${DOTA_ROOT}/val/ `--output_dir ${OUTPUT_DIR}/trainval/ `--coco_json_file DOTA_trainval1024.json `--subsize 1024 `--gap 500 `--rates 0.5 1.0 1.5

对于无标注的数据进行切图需要设置 --image_only（test）

python configs/rotate/tools/prepare_data.py `--input_dirs ${DOTA_ROOT}/test/ `--output_dir ${OUTPUT_DIR}/test1024/ `--coco_json_file DOTA_test1024.json `--subsize 1024 `--gap 500 `--rates 0.5 1.0 1.5 `--image_only

3.3 PaddleDetection配置文件说明

`_BASE_`：基础配置

‘…/…/datasets/dota.yml’：DOTA数据集配置文件

‘…/…/runtime.yml’：运行时配置

模型配置

pretrain_weights：主干网络预训练权重

可以使用权重文件的URL或者本地文件路径。

3.4 数据变换：`sample_transforms`

3.4.1 RandomRFlip：旋转框随机翻转

3.4.2 自定数据处理算子 [doc]

MMRotate	PPDetection	Description
`__call__()`	`apply()`	单个样本处理函数
`'flip'`	`'flipped'`	是否对进行了翻转操作

3.4 新增模型类：`OrientedReppoints`

Step1：在ppdet/modeling/architectures中添加oriented_reppoints.py文件；
Step2：在文件中加入OrientedReppoints模型类实现；
Step3：在ppdet/modeling/architectures/__init__.py加入引用语句：

...
from . import s2anet
from . import oriented_reppoints
......
from .s2anet import *
from .oriented_reppoints import *
...

3.5 Troubleshooting

（1）出现错误：if isinstance(parameters[0], dict): IndexError: list index out of range

在复现模型时，遇到这样一个错误：

Traceback (most recent call last):File "C:\Users\xxx\AppData\Local\JetBrains\Toolbox\apps\PyCharm-C\ch-0\223.7571.203\plugins\python-ce\helpers\pydev\pydevd.py", line 1496, in _execpydev_imports.execfile(file, globals, locals)  # execute the scriptFile "C:\Users\xxx\AppData\Local\JetBrains\Toolbox\apps\PyCharm-C\ch-0\223.7571.203\plugins\python-ce\helpers\pydev\_pydev_imps\_pydev_execfile.py", line 18, in execfileexec(compile(contents+"\n", file, 'exec'), glob, loc)File "D:\Professional\Paddle\Paddle_oriented_reppoints\tools\train.py", line 172, in <module>main()File "D:\Professional\Paddle\Paddle_oriented_reppoints\tools\train.py", line 168, in mainrun(FLAGS, cfg)File "D:\Professional\Paddle\Paddle_oriented_reppoints\tools\train.py", line 123, in runtrainer = Trainer(cfg, mode='train')File "D:\Professional\Paddle\Paddle_oriented_reppoints\ppdet\engine\trainer.py", line 158, in __init__self.optimizer = create('OptimizerBuilder')(self.lr, self.model)File "D:\Professional\Paddle\Paddle_oriented_reppoints\ppdet\optimizer\optimizer.py", line 347, in __call__return op(learning_rate=learning_rate,File "C:\Users\xxx\.conda\envs\conda-paddle\lib\site-packages\paddle\optimizer\momentum.py", line 148, in __init__if isinstance(parameters[0], dict):
IndexError: list index out of range

原因是因为刚刚新建模型，而模型目前没有注册任何模块，于是就不包含参数，在框架内部遍历parameters的时候，就会报错；
临时的解决方案，我们是在OrientedRepPoints添加了一个nn.Conv2D模块，方便后续进行调试；

（2）出现错误：Config annotation dataset/dota/trainval/ms_trainval_coco.json is not a file, dataset config is not valid

今天在设置数据集时，出现了下面的错误：

[12/27 21:17:08] ppdet.utils.download WARNING: Config annotation dataset/dota/trainval/ms_trainval_coco.json is not a file, dataset config is not valid
[12/27 21:17:08] ppdet.utils.download INFO: Dataset D:\Professional\Paddle\Paddle_oriented_reppoints\dataset\dota is not valid for reason above, try searching C:\Users\xxx/.cache/paddle/dataset or downloading dataset…
Traceback (most recent call last):
File “D:\Professional\Paddle\Paddle_oriented_reppoints\tools\align.py”, line 174, in
main()
File “D:\Professional\Paddle\Paddle_oriented_reppoints\tools\align.py”, line 170, in main
run(FLAGS, cfg)
File “D:\Professional\Paddle\Paddle_oriented_reppoints\tools\align.py”, line 125, in run
trainer = TrainAligner(cfg, mode=‘train’)
File “D:\Professional\Paddle\Paddle_oriented_reppoints\ppdet\engine\train_aligner.py”, line 99, in init
self.loader = create(‘{}Reader’.format(capital_mode))(
File “D:\Professional\Paddle\Paddle_oriented_reppoints\ppdet\data\reader.py”, line 162, in call
self.dataset.check_or_download_dataset()
File “D:\Professional\Paddle\Paddle_oriented_reppoints\ppdet\data\source\dataset.py”, line 99, in check_or_download_dataset
self.dataset_dir = get_dataset_path(self.dataset_dir, self.anno_path,
File “D:\Professional\Paddle\Paddle_oriented_reppoints\ppdet\utils\download.py”, line 225, in get_dataset_path
raise ValueError(
ValueError: Dataset dataset/dota/ is not valid and cannot parse dataset type ‘’ for automaticly downloading, which only supports ‘voc’ , ‘coco’, ‘wider_face’, ‘fruit’, ‘roadsign_voc’ and ‘mot’ currently

进程已结束,退出代码1

可以看到，提示性比较明显的报错信息就是：Config annotation dataset/dota/trainval/ms_trainval_coco.json is not a file, dataset config is not valid；
就是提示设置的数据集json文件路径无效，需要检查一下数据集标注文件的路径是否正确；
在本项目中，也就是需要检查configs/datasets/dotav1.yml中json标注文件的路径；

4 超参数一览表

Name	param
Input size	1333×768, 1333×1280
Type	`float32`

5 Reprod_log学习笔记

5.1 安装命令

python -m pip install reprod_log --force-reinstall -i https://pypi.tuna.tsinghua.edu.cn/simple

5.2 函数和类

`ReprodLogger`：记录张量数据

使用示例：reprod_log_demo/write_log.py

5.3 导出张量数据

# TODO: export feat
reprod_log = ReprodLogger()
reprod_log.add(f"pool_feat", x.detach().cpu().numpy())
reprod_log.save("output/mm_pool_feat.npy")
print("Quit")
quit()

5.4 对齐张量

模板：

# TODO: align feat
reprod_log = ReprodLogger()
reprod_log.add("pool_feat", x.numpy())
reprod_log.save("temp/pp_pool_feat.npy")
# 开始比较精度差异
diff_helper = ReprodDiffHelper()
info1 = diff_helper.load_info("mm_output/mm_pool_feat.npy")
info2 = diff_helper.load_info("temp/pp_pool_feat.npy")
diff_helper.compare_info(info1, info2)
diff_helper.report(diff_method="mean", diff_threshold=1e-6, path="./diff.txt")
print("Quit")
quit()

6 重写配置文件

6.1 超参数换算表

mmrorate	paddleDetection
lr_config.step	schedulers.milestones = step - 1
Backbone:
frozen_stages (1)	freeze_at = frozen_stages - 1 (0)
out_indices	return_idx = out_indices
FPN:
start_level	extra_stage = start_level + 1
Head:
anchor_generator.scales	anchor_scales = scales

关于`schedulers.milestones`的设置

这个我已经跟鑫鑫确认了，schedulers.milestones = step - 1，聊天记录如下：

7 模块权重转换

7.1 参考资料

俏斌分享的模型权重转换代码：Py_torch2paddle

8 校对目录设置

New-Item -ItemType SymbolicLink -Path "D:\Professional\Paddle\Paddle_oriented_reppoints\mm_output" -Target "D:\Professional\Paddle\mmrotate_oriented_reppoints\output"

9 模型类：`OrientedRepPoints`

9.1 MM模型类：`RotatedRepPoints`

8 主干网络：`ResNet`

8.1 主干网络对齐记录：`5e-4`

主干网络的对齐精度，我们使用的阈值是5e-4，对齐结果如下：

[2023-01-11 16:34:50,637] [ INFO] utils.py:118 - feat0:
[2023-01-11 16:34:50,638] [ INFO] utils.py:123 - mean diff: check passed: True, value: 3.343301841596258e-06
[2023-01-11 16:34:50,638] [ INFO] utils.py:118 - feat1:
[2023-01-11 16:34:50,638] [ INFO] utils.py:123 - mean diff: check passed: True, value: 3.4712193155428395e-05
[2023-01-11 16:34:50,638] [ INFO] utils.py:118 - feat2:
[2023-01-11 16:34:50,638] [ INFO] utils.py:123 - mean diff: check passed: True, value: 3.119021494057961e-05
[2023-01-11 16:34:50,638] [ INFO] utils.py:118 - feat3:
[2023-01-11 16:34:50,638] [ INFO] utils.py:123 - mean diff: check passed: True, value: 0.00023211663938127458
[2023-01-11 16:34:50,639] [ INFO] ReprodDiffHelper.py:64 - diff check passed

8.1 PPDet-ResNet 无法跟 MMRotate-ResNet 对齐

今天我们在对齐主干网络时，发现 PPDet-ResNet 无法跟 MMRotate-ResNet 对齐，其现象如下：

[2022-12-29 20:11:26,130] [ INFO] utils.py:118 - input:
[2022-12-29 20:11:26,130] [ INFO] utils.py:123 - mean diff: check passed: True, value: 3.0450131305315153e-08
[2022-12-29 20:11:26,131] [ INFO] ReprodDiffHelper.py:64 - diff check passed
[2022-12-29 20:11:30,990] [ INFO] utils.py:118 - feat0:
[2022-12-29 20:11:30,991] [ INFO] utils.py:123 - mean diff: check passed: False, value: 0.16119591891765594
[2022-12-29 20:11:30,991] [ INFO] utils.py:118 - feat1:
[2022-12-29 20:11:30,991] [ INFO] utils.py:123 - mean diff: check passed: False, value: 0.1201038584113121
[2022-12-29 20:11:30,991] [ INFO] utils.py:118 - feat2:
[2022-12-29 20:11:30,992] [ INFO] utils.py:123 - mean diff: check passed: False, value: 0.06433149427175522
[2022-12-29 20:11:30,992] [ INFO] utils.py:118 - feat3:
[2022-12-29 20:11:30,992] [ INFO] utils.py:123 - mean diff: check passed: False, value: 0.3645188808441162
[2022-12-29 20:11:30,992] [ INFO] ReprodDiffHelper.py:66 - diff check failed

可以看到输入张量input是可以对齐的，但是后面主干网络输出的多个feat都无法对齐；

8.2 参数字典

MMRotate	PPDetection	Description
conv1.weight	conv1.conv1.conv.weight	(64, 3, 7, 7)
bn1:	conv1.conv1.norm:	BN
bn1.weight	conv1.conv1.norm.weight	(64)
bn1.bias	conv1.conv1.norm.bias	(64)
bn1.running_mean	conv1.conv1.norm._mean	(64)
bn1.running_var	conv1.conv1.norm._variance	(64)
bn1.num_batches_tracked	-	-
layer1.0:	res2.res2a.branch2a:
layer1.0.conv1.weight	res2.res2a.branch2a.conv.weight	(64, 64, 1, 1)
layer1.0.bn1:	res2.res2a.branch2a.norm:	BN
layer1.0.bn1.weight	res2.res2a.branch2a.norm.weight	(64)
layer1.0.bn1.bias	res2.res2a.branch2a.norm.bias	(64)
layer1.0.bn1.running_mean	res2.res2a.branch2a.norm._mean	(64)
layer1.0.bn1.running_var	res2.res2a.branch2a.norm._variance	(64)
layer1.0.bn1.num_batches_tracked	-	-

9 训练指令

Win11:

set CUDA_VISIBLE_DEVICES=0 | python tools/train.py -c configs/rotate/oriented_reppoints/oriented_reppoints_r50_40e_ms_dota.yml

【论文复现】使用PaddleDetection复现OrientedRepPoints的复现笔记相关推荐

DL之YoloV3：Yolo V3算法的简介(论文介绍)、各种DL框架代码复现、架构详解、案例应用等配图集合之详细攻略
DL之YoloV3:Yolo V3算法的简介(论文介绍).各种DL框架代码复现.架构详解.案例应用等配图集合之详细攻略目录 Yolo V3算法的简介(论文介绍) 0.YoloV3实验结果 1.Yol ...
COLING 2018 最佳论文解读：序列标注经典模型复现
在碎片化阅读充斥眼球的时代,越来越少的人会去关注每篇论文背后的探索和思考. 在这个栏目里,你会快速 get 每篇精选论文的亮点和痛点,时刻紧跟 AI 前沿成果. 点击本文底部的「阅读原文」即刻加入社区 ...
复现计算机论文模型,COLING 2018 最佳论文解读：序列标注经典模型复现
原标题:COLING 2018 最佳论文解读:序列标注经典模型复现在碎片化阅读充斥眼球的时代,越来越少的人会去关注每篇论文背后的探索和思考. 在这个栏目里,你会快速 get 每篇精选论文的亮点和痛点 ...
EfficientDet（EfficientNet+BiFPN）论文超详细解读（翻译＋学习笔记+代码实现）
前言在之前我们介绍过EfficientNet(直通车:[轻量化网络系列(6)]EfficientNetV1论文超详细解读(翻译 +学习笔记+代码实现) [轻量化网络系列(7)]EfficientNe ...
【轻量化网络系列（2）】MobileNetV2论文超详细解读（翻译＋学习笔记+代码实现）
前言上一篇我们介绍了MobileNetV1,主要是将普通Conv转换为dw和pw,但是在dw中训练出来可能会很多0,也就是depthwise部分得到卷积核会废掉,即卷积核参数大部分为0,因为权重数量 ...
ubuntu18.04下复现 singleshotpose（yolo-6D）源代码复现
源代码地址首先配置好conda环境(需要提前安装ubuntu18.04和 anaconda或者miniconda) 原代码的说明里说可以选择安装python 3.6也可以装python2.7(我最开 ...
[ vulhub漏洞复现篇 ] Jetty WEB-INF 文件读取复现CVE-2021-34429
漏洞复现 | win7粘滞键漏洞复现
1.安装win7虚拟机 2.粘滞键介绍粘滞键是一种快捷键,是为同时按下两个或多个键有困难的人而设计的,要功能是方便Shift.Ctrl.Alt与其他键的组合使用. 启动粘滞键可通过单击"开 ...
【YOLO系列】YOLOv1论文超详细解读（翻译＋学习笔记）
前言从这篇开始,我们将进入YOLO的学习.YOLO是目前比较流行的目标检测算法,速度快且结构简单,其他的目标检测算法如RCNN系列,以后有时间的话再介绍. 本文主要介绍的是YOLOV1,这是由以Jo ...

【论文复现】使用PaddleDetection复现OrientedRepPoints的复现笔记

1 复现流程

2 MMRotate代码

2.1 配置mmrotate环境

Clone原始模型代码

安装openmim

安装mmcv

安装mmdet

以项目源码安装mm

验证mmrotate安装时出现错误：“RuntimeError: indices should be either on cpu or on the same device as the indexed tensor (cpu)”

（1）将测试命令修改为使用cpu进行推理：

（2）将出错位置的张量索引操作改成一致的设备

2.2 数据集配置：DOTA1.0

2.2.1 在Win11上使用mklink创建软链接

2.2.2 数据集目录结构

2.2.3 划分数据集：mmrotate: split dota dataset

1024×1024 patches with an overlap of 200 [mmrotate]

Ss_trainval:

Ss_test:

标注说明

修改数据集配置文件：configs/_base_/datasets/dotav1.py

2.3 训练设置

原始论文训练环境

训练命令

2.4 可视化

可视化数据集

2.5 自定义Hooks

2.6 类和函数说明

2.6.1 模型类

RotatedRepPoints

init_weights()

Parameters: none

Scenarios:

2.7 Troubleshooting

I. 出现错误：from collections import Sequence, ImportError: cannot import name ‘Sequence’ from ‘collections’

II. 重新配置conda环境时，出现错误：“OMP: Error #15: Initializing libiomp5md.dll, but found libiomp5md.dll already initialized.”

解决方法：

3 PaddleDetection学习笔记

3.1 配置环境&Clone代码

3.1.1 PaddleRorate算子编译

Visual Studio配置说明

进入旋转检测算子目录

Win11

Troubleshooting

（1）报错：C:\Users…\lib\site-packages\paddle\include\paddle/phi/api/include/tensor.h(23): fatal error C1083: 无法打开包括文件: “cuda_runtime.h”: No such file or directory

3.2 数据集配置：DOTA数据集

3.2.1 定义PaddleDetection格式数据集

PaddleDetection格式：COCO多边形标注

设置文件夹路径

Win11命令：

多尺度切图

Win11命令：

3.3 PaddleDetection配置文件说明

_BASE_：基础配置

‘…/…/datasets/dota.yml’：DOTA数据集配置文件

‘…/…/runtime.yml’：运行时配置

模型配置

pretrain_weights：主干网络预训练权重

3.4 数据变换：sample_transforms

3.4.1 RandomRFlip：旋转框随机翻转

3.4.2 自定数据处理算子 [doc]

3.4 新增模型类：OrientedReppoints

3.5 Troubleshooting

（1）出现错误：if isinstance(parameters[0], dict): IndexError: list index out of range

（2）出现错误：Config annotation dataset/dota/trainval/ms_trainval_coco.json is not a file, dataset config is not valid

4 超参数一览表

5 Reprod_log学习笔记

5.1 安装命令

5.2 函数和类

ReprodLogger：记录张量数据

5.3 导出张量数据

5.4 对齐张量

6 重写配置文件

6.1 超参数换算表

关于schedulers.milestones的设置

7 模块权重转换

7.1 参考资料

俏斌分享的模型权重转换代码：Py_torch2paddle

8 校对目录设置

9 模型类：OrientedRepPoints

（1）将测试命令修改为使用`cpu`进行推理：

修改数据集配置文件：`configs/_base_/datasets/dotav1.py`

`_BASE_`：基础配置

3.4 数据变换：`sample_transforms`

3.4 新增模型类：`OrientedReppoints`

`ReprodLogger`：记录张量数据

关于`schedulers.milestones`的设置

9 模型类：`OrientedRepPoints`

9.1 MM模型类：`RotatedRepPoints`

8 主干网络：`ResNet`

8.1 主干网络对齐记录：`5e-4`