RFLA介绍

官方连接
https://github.com/Chasel-Tsui/mmdet-rfla
arxiv
https://arxiv.org/abs/2208.08738

环境搭建

我的机器的cuda是10.2，根据自己的cuda版本到 https://hub.docker.com/ 拉取对应的镜像
一定要拉取带 devel 的版本镜像

拉取gpu镜像

docker pull aegis1/cuda10.2-cudnn8-devel-ubuntu18.04:pcl

创建容器

nvidia-docker run -it -d \--name rfla \-v /bee/abc/test_model/:/notebooks \-e TZ='Asia/Shanghai' \--shm-size 16G \-d aegis1/cuda10.2-cudnn8-devel-ubuntu18.04:pcl

进入容器

 docker exec -it rfla env LANG=C.UTF-8 /bin/bash

安装依赖

安装Anaconda

curl -O https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
sh Miniconda3-latest-Linux-x86_64.sh
ln -s /root/miniconda3/bin/conda /usr/bin/conda

创建py3.8环境

conda create --name openmmlab python=3.8 -y
conda init

退出终端
再进入终端
会出现下面的内容：

(base) root@1212:/#

进入我们的环境 openmmlab

conda deactivate
conda activate openmmlab

如下面的内容；

(openmmlab) root@1212:

安装torch
我的cuda是10.02

conda install pytorch==1.9.1 torchvision==0.10.1 torchaudio==0.9.1 cudatoolkit=10.2 -c pytorch

其他cuda版本可以按照
https://pytorch.org/get-started/previous-versions/
来进行安装

安装mim

pip install openmim

安装 mmcv-full

mim install mmcv-full==1.3.9

安装cv2的依赖

apt update
apt install libgl1-mesa-glx  -y

安装cocoapi

pip install "git+https://github.com/jwwangchn/cocoapi-aitod.git#subdirectory=aitodpycocotools"

安装mmdet-rfla

git clone https://github.com/Chasel-Tsui/mmdet-rfla.git
cd mmdet-rfla
pip install -r requirements/build.txt
python setup.py develop

【】按照上面的过程一步一步的安装，就能正常跑模型了

参考

https://github.com/Chasel-Tsui/mmdet-rfla
https://mmcv.readthedocs.io/en/latest/get_started/installation.html#install-mmcv
https://mmdetection.readthedocs.io/zh_CN/latest/get_started.html
https://github.com/open-mmlab/mim

【AI实战】微小目标检测模型MMDet-RFLA--训练环境从零开始搭建相关推荐

AI实战：目标检测模型应用之生活垃圾图片分类
前言 "华为云杯"2020深圳开放数据应用创新大赛·生活垃圾图片分类 [大赛介绍] 由深圳市政务服务数据管理局.南山区人民政府主办,南山区政务服务数据管理局.华为技术有限公司承办的 ...
AAAI 2020 | NAS+目标检测：AI设计的目标检测模型长啥样？
©PaperWeekly 原创 · 作者|刘畅学校|上海交通大学博士生研究方向|计算机视觉太长不看版论文标题:SM-NAS: Structural-to-Modular Neural Arch ...
人工智能目标检测总结（五）——深入理解one-stage目标检测模型
本文翻译自One-shot object detection,原作者保留版权. 作为计算机视觉领域的一项重要任务,目标检测是要找到一张图片里的感兴趣物体: 这比图像分类任务更高级,因为分类只需要告诉图 ...
ECCV 2022 | RFLA：基于高斯感受野的微小目标检测标签分配
前言在本文中,作者提出了一种基于高斯感受野的标签分配(RFLA)策略用于微小目标检测.并提出了一种新的感受野距离(RFD)来直接测量高斯感受野和地面真值之间的相似性,而不是使用IoU或中心采样策略分 ...
【20201127期嵌入式AI周报】NanoDet 目标检测模型、移植 ncnn到 RISC-V等！
导读:本期为 AI 简报 20201127 期,将为您带来 8 条相关新闻,希望对您有所帮助~ 一共2000+字,全篇看完需要5~7分钟 1. NanoDet:轻量级(1.8MB).超快速(移动端97 ...
精度45.9%，推理速度72.9FPS，百度飞桨推出工业级目标检测模型 PP-YOLO
允中发自凹非寺量子位编辑 | 公众号 QbitAI 工业视觉.自动驾驶.安防.新零售等我们身边熟知的各行各业都需要目标检测技术,由于其很好的平衡了标注成本.检测精度和速度等,成为当前智能制造产 ...
大连理工IIAU Lab提出SSLSOD：自监督预训练的RGB-D显著性目标检测模型(AAAI 22)
作者丨Lart 编辑丨极市平台导读本文在显著性目标检测任务(SOD)中,首次引入自监督预训练.凭借提出的有效的前置任务(pretext task),在仅使用少量无标签的RGB-D数据进行预训练的情 ...
百度：YOLOX和NanoDet都没我优秀！轻量型实时目标检测模型PP-PicoDet开源
作者丨happy 编辑丨极市平台导读百度提出新型移动端实时检测模型PP-PicoDet.本文对anchor-free策略在轻量型检测器中的应用进行了探索:对骨干结构进行了增强并设计了一种轻量 ...
目标检测模型从训练到部署，其实如此简单
目标检测的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一.目标检测已应用到诸多领域,比如如安防.无人销售.自动驾驶和军事等. 在许多情况下,运行目标检测 ...

【AI实战】微小目标检测模型MMDet-RFLA--训练环境从零开始搭建

【AI实战】微小目标检测模型MMDet-RFLA--训练环境搭建

RFLA介绍

环境搭建

安装依赖

参考

【AI实战】微小目标检测模型MMDet-RFLA--训练环境从零开始搭建相关推荐

最新文章

热门文章