将工作路径cd到 panda_project/code/mmdetection-master后再运行， 否则相对路径会报错！
运行环境：python=3.7.10 torch=1.7.1 torchvision=0.8.2 opencv=4.5.1 MMCV=1.2.7 mmdetection=2.10.0+ cuda-10.2
cd到 panda_project/code/PANDA-Toolkit-gaiic-panda 工作路径后，运行Task1_utils.py，程序自动对训练集图片进行裁图。 裁剪的图片保存到 panda_project/user_data/split_person_train/image_train 对应的标签保存到 panda_project/user_data/split_person_train/image_annos
cd到 panda_project/code/mmdetection-master 工作路径后 分别运行 python cascade_rcnn50_dcn_train/visible_dir/cascade_rcnn_r50_fpn_dconv_c3-c5_1x_coco.py 训练visible类 python cascade_rcnn50_dcn_train/full_dir/cascade_rcnn_r50_fpn_dconv_c3-c5_1x_coco.py 训练full类 python cascade_rcnn50_dcn_train/head_dir/cascade_rcnn_r50_fpn_dconv_c3-c5_1x_coco.py 训练head类 python cascade_rcnn50_dcn_train/vehicle_dir/cascade_rcnn_r50_fpn_dconv_c3-c5_1x_coco.py 训练vehicle类
cd到 panda_project/code/mmdetection-master 工作路径后，运行run.sh（默认是0号卡，如需改动直接修改run.sh文件中的 CUDA_VISIBLE_DEVICES=''） 运行结果自动保存到../../prediction_result/ run.sh自动运行test.py文件 IMAGE_ROOT = '../../tcdata/Test/' #训练集图片路径 FASTER_RCNN_CONFIG = './cascade_rcnn50_dcn_test/cascade_rcnn_r50_fpn_dconv_c3-c5_1x_coco.py' # 配置文件路径 CKPT_PATH = './checkpoints/cascade_rcnn50_dcn_giou_pth' # 模型路径 RESULT_PATH = '../../prediction_result/' # 保存结果路径
运行的配置文件为 ./cascade_rcnn50_dcn_test/cascade_rcnn_r50_fpn_dconv_c3-c5_1x_coco.py 加载的训练好的四个类别的模型位于 ./checkpoints/cascade_rcnn50_dcn_giou_pth
B榜 Score | Rank 0.534 |34
This repo obtained from MMdet and Pand-Toolkit