• :house:项目结构
• :wrench:环境配置
• • :one:依赖
  • :two:步骤
• :thinking:使用说明
• • 预训练模型
  • coco数据集
  • 测试数据
  • 保存结果
  • :rocket:运行:rocket:
  • • ipynb运行(推荐)
    • 终端运行
    • • 示例
• :collision:结果展示

项目说明

原README

🏠项目结构

DETR/
├── ckpts                  # 模型参数
├── coco                   # coco数据集
├── datasets               # 处理与加载数据集脚本
├── models                 # 模型脚本
├── results                # 结果
├── test                   # 测试数据
├── util                   # 工具
├── run_with_submitit.py   # 提交结果
├── engine.py              # 训练和验证工具
├── main.py                # 训练和验证脚本
├── infer_image.py         # 推理图片脚本
├── infer_video.py         # 推理视频脚本
├── infer_image2video.py   # 推理图片生成视频脚本
├── easy_run.ipynb         # 简易运行脚本
├── README.md              # 说明文档
└── requirements.txt       # 环境配置文件

🔧环境配置

:one:依赖

• conda
• cuda=11.x
• cudnn
• python=3.8
• jupyter
• torch
• torchvision
• opencv-python
• timm
• cython
• pycocotools
• submitit
• panopticapi
• scipy
• termcolor
• addict
• yapf

:two:步骤

1. 创建虚拟环境

   conda create -n detr python=3.8
   conda activate detr
   

2. 安装pkg

   pip install torch torchvision
   pip install -r requirements.txt
   

3. 测试

   python
   import torch
   torch.cuda.is_available()
   

4. 编译CUDA算子

   cd models/dab_deformable_detr/ops
   python setup.py build install
   python test.py
   cd ../../..
   

🤔使用说明

预训练模型

将预训练模型存放在ckpts目录下,使用DAB-DETR/R50,目录结构如下:

ckpts/
  └── DAB_DETR
        └── R50
            ├── checkpoints.pth
            └── config.json
            └── log.txt

coco数据集

将coco数据集存放在coco目录下,目录结构如下:

coco/
  ├── train2017/
  ├── val2017/
  └── annotations/
        ├── instances_train2017.json
        └── instances_val2017.json

测试数据

测试数据包括,随机图片数据\视频\图片序列(DETRAC数据集),对应文件夹为image\video\image2video

test/
  ├── image/
  ├── image2video/
  └── video/

保存结果

将coco训练结果\coco验证结果\随机图片推理结果\视频推理结果\图像序列推理结果存放在coco_eval\coco_train\image\video\image2video中,结构如下:

results/
  ├── coco_eval/
  ├── coco_train/
  ├── image/
  ├── image2video/
  └── video/

🚀运行🚀

ipynb运行(推荐)

打开easy_run.ipynb,将要检测的数据放在test的对应目录下,运行即可.

终端运行

打开终端,进入DTER目录,输入python ./xxx.py [option]即可运行

xxx.py 为对应python脚本,[option]为脚本的参数选项,可以使用python ./xxx.py -h查看全部选项

示例

• 推理图片:

  python ./infer_image.py --show_savename True
  

• 推理视频

  python ./infer_video.py --video_path ./test/video --save_path ./results/video
  

• 推理图片序列

  python infer_image2video.py --image_path "./test/image2video/DETRAC-test-data/Insight-MVT_Annotation_Test/MVI_39271"
  

• coco验证

  python main.py -m dab_detr --output_dir ./results/eval_coco --batch_size 1 --coco_path ./coco --resume ./ckpts/DAB_DETR/R50/checkpoint.pth --eval
  

• coco训练

  python main.py -m dab_detr --output_dir ./results/coco_train --batch_size 1 --coco_path ./coco --epochs 50 --lr_drop 40
  

💥结果展示

模式	原数据	图片效果
图片
视频
图片序列	-