注:本作品是OpenMMLab2023实战营的实验二基础作品
-
使用简单:只需任意摄像头获取视频,就可以得到气球掩码,并生成掩码处理后的特效视频
-
检测&分割对象:
- balloon
-
模型文件("segm_mAP": 0.875, "bbox_mAP": 0.8734):https://github.com/TianWen580/mmdet-exp2/releases/download/homework/latest.pth
python 3.8
pytorch 1.10.1
cuda 11.1
mmcv-full 1.7.0
mmdet 2.28.1
按照MMDetection官方文档的要求配置环境
-
Baseline:Mask-RCNN
-
小样本处理:因样本较小训练集和验证集共用一套数据,以确保训练效率
-
数据增广:
- Resize :多尺度增强,范围1333至800
- RandomCrop:随机裁剪图像,预留范围最小为全图75%
-
测试时增强:
- RandomFlip:水平翻转
-
学习率策略:
-
数据集组织
-
下载数据集并解压
-
可以利用脚本 mytools/balloon2coco.py 自动划分数据集为CocoDataset格式(classes:('balloon', ))
|--data |--train | |--image1.jpg | |--image2.jpg | |--... | |--train_ann.json
-
-
加载预训练模型
下载模型并存放在 pth/ 中
-
启动训练
python tools/train.py \ myconfig/mask_rcnn_r50_fpn_1x_coco.py \ --work-dir work_dirs/balloon
启动后训练log、配置文件以及所得模型将保存在 mmdetection/work_dirs/balloon/ 中
-
处理视频
注:本作品是OpenMMLab2023实战营的实验二进阶作品
- 检测对象:
- aeroplane
- bicycle
- bird
- boat
- bottle
- bus
- car
- cat
- chair
- cow
- diningtable
- dog
- horse
- motorbike
- person
- pottedplant
- sheep
- sofa
- train
- tvmonitor
- 模型文件("mAP": 0.75254):https://github.com/TianWen580/mmdet-exp2/releases/download/homework-advanced/latest.pth
python 3.8
pytorch 1.10.1
cuda 11.1
mmcv-full 1.7.0
mmdet 2.28.1
按照MMDetection官方文档的要求配置环境
-
Baseline:Faster-RCNN(c4)
-
数据增广:
-
测试时增强:
- Resize:随机缩放,参数默认
- RandomFlip:水平翻转,参数默认
-
学习率策略:
-
数据集组织
-
下载VOC2007和VOC2012并解压:
PASCAL VOC2012:https://opendatalab.org.cn/PASCAL_VOC2012 PASCAL VOC2007:http://host.robots.ox.ac.uk/pascal/VOC/voc2007/index.html
-
合并数据集到VOCdevkit
|--VOCdevkit |--VOC2007 | |--Annotations | |--ImageSets | |--JPEGImages | |--SegmentationClass | |--SegmentationObject |--VOC2012 | |--Annotations | |--ImageSets | |--JPEGImages | |--SegmentationClass | |--SegmentationObject
-
-
启动训练
python tools/train.py \ myconfig/faster_rcnn_r50_caffe_c4_mstrain_18k_voc0712.py \ --work-dir work_dirs/voc
启动后训练log、配置文件以及所得模型将保存在 work_dirs/voc/ 中