本文主要是介绍2D环境感知CenterNet安装,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
项目地址: https://github.com/xingyizhou/CenterNet
搭建环境并配置CenterNet
这一步主要参考文档INSTALL.md, 但请注意以下几点, 可以避免一些问题。
1. 在文档第1歩中, 若cuda版本是10.0之后的, 使用
conda install pytorch=1.0 torchvision -c pytorch
安装1.0以上的pytorch版本。 cuda9和pytorch0.4.1可以正常使用。 (推荐使用10.0之后的cuda)
2. 在安装COCOAPI之前需要安装好cython和matplotlib conda install cython matplotlib
3. 文档第5步编译DCNv2时, 若cuda版本是10.0之后的, 需要将CenterNet/src/lib/models/networks下的DCNv2文件删除, 下载tag:pytorch_1.0 到原有位置, 然 后进行编译。 参考issue。
4. 文档第7步, 本实践中只需要下载KITTI 3DOP split对应的预训练模型。
准备KITTI数据集
参考文档DATA.md.
1. 本实践只使用KITTI数据集, 跳过COCO和Pascal VOC部分。 对于KITTI数据集, 我们只使用3DOP train-val split.
2. 运行 python convert_kitti_to_coco.py 前需在 data/kitti 目录下新建 annotations 文件夹
训练与评估模型
参考文档GETTING_STARTED.md, 只关注KITTI部分。
1. 在编译```kitti_eval``前, 需要确保安装了boost库
sudo apt-get update
sudo apt-get install libboost-all-dev
2. 建议先下载3dop的预训练模型进行评估
3. 参考ddd_3dop.sh 进行训练。 若只有一个GPU, 需要调整lr, 可参考:
python main.py ddd --exp_id 3dop --dataset kitti --kitti_split 3dop --batch_size 8 --lr 3.125e-5 \ --master_batch 7 --num_epochs 70 --lr_step 45,60 --gpus 0
4. 其他常见问题:
issue 1, issue 2, issue 3,
issue 4: cv2.error: OpenCV() :-1: error: (-5:Bad argument) in function 'line ' 传递给cv2.line的坐标必须是int类型, 在对应代码中使用int()进行转换 .
可视化常见issues: 1, 2.
这篇关于2D环境感知CenterNet安装的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!