/Uodac_sonar

水下目标检测算法赛（声学图像赛项） 解决方案

Primary LanguagePython

MMDetection

Fork from https://github.com/open-mmlab/mmdetection

安装虚拟环境

参考 https://github.com/open-mmlab/mmdetection/blob/master/docs/INSTALL.md

pip install -r requirements/build.txt
pip install "git+https://github.com/cocodataset/cocoapi.git#subdirectory=PythonAPI"
pip install -v -e .  # or "python setup.py develop"

数据准备

目的是转换成COCO格式的数据，方式有两：

  1. 下载: 百度云链接 密码: oqqf
  2. 自己生成(请合理配置文件中的路径):
# 文件中的路径请根据实际情况配置
# 训练集与测试集的划分
python tools/pascal2coco.py

# a-test/b-test转换成COCO json
python tools/generate_test_annotation.py
  1. 最后的目录树
data
| - image # 前视, 侧扫, 负样本, 所有的训练集图像均放于此
| - annotation # 上一步下载或者生成的json
| - box # 前视, 侧扫的xml标注放于此
| - a-test-img # 所有的a-test图像放于此
| - b-test-img # 所有的b-test图像放于此

模型准备

放于pretrain_model/下

  1. 预训练模型：下载百度云链接 密码: o22i (已在MSCOCO2017上预训练)，
  2. 最终已训练模型： 下载百度云链接 密码: v15d (final model)

训练

./train_sonar.sh # 目录位置及配置可在里面更改

测试

./test_sonar.sh # 目录位置及配置可在里面更改

# 转换成csv
python ./tools/turn_pkl_to_csv.py work_dirs/cascade_rcnn_dconv_c3-c5_r101_uncertain_MS_dufpn_1x/bbox_predict.pkl --json_path data/annotation/a-test.json

# 可视化, 目录位置可在里面更改
python tools/vis_det.py

结果

- Leaderboard A Leaderboard B
mAP 0.298 0.207