a榜: 单模:0.29469826 融合:0.29770296 b榜: 融合:0.20547618
- detection algorithm: Cascade R-CNN
- backbone: ResNet101 + FPN以及Se_ResNet101+ FPN
- post process: soft nms
- 基于mmdetection
- OS: Ubuntu16.04
- GPU: 2080Ti * 4
- python: python3.7
- nvidia 依赖:
- cuda: 10.0
- nvidia driver version: 410.57
- deeplearning 框架: pytorch1.1.0
- 其他依赖请参考requirement.txt
-
相应文件夹创建准备
-
在data目录下新建
- submit
- results
- pretrain
- acoustic
并在acoustic目录下新建如下目录:
|-- acoustic
|------a-test-image
|-------------- image
|------------------ front
|---------------------- xx.jpg(前视声纳测试图像)
|------------------ side
|---------------------- xx.jpg(侧扫声纳测试图像)
|------ train
|-------------- front
|-------------------annotations
|-------------------box
|--------------------- xx.xml
|-------------------image
|--------------------- xx.jpg
|-------------- negtive
|-------------------box
|--------------------- xx.xml
|-------------------image
|--------------------- xx.jpg
|--------------side
|-------------------annotations
|-------------------box
|--------------------- xx.xml
|-------------------image
|--------------------- xx.jpg
-
-
label文件格式转换
- 官方提供的是VOC格式的xml类型label文件,转化为COCO格式用于训练
- 为了方便利用mmd多进程测试,对test数据也生成一个伪标签文件
- 运行内容: sh data_process.sh
-
预训练模型下载
- 下载casacde-rcnn-dconv-r101-fpn-1xCOCO预训练模型cascade_rcnn_dconv_c3-c5_r101_fpn_1x_20190125-aaa877cc.pth ,提取码:c1u3,并将权重放置于 data/pretrain 目录下
-
安装 pytorch pip install torch==1.1.0 torchvision==0.3.0
-
安装其他依赖 pip install cython && pip --no-cache-dir install -r requirements.txt
-
编译cuda op等: python setup.py develop
-
模型训练及预测步骤均写在shell文档下
- 训练过程文件及最终权重文件均保存在config文件指定的workdirs目录中
- 预测结果json文件会保存在 data/results 目录下
- 提交的csv文件在submit目录下
-
运行
sh train.sh
sh inference.sh
sh merge.sh
训练好的权重链接https://pan.baidu.com/s/1FfMyRotjvcNWb-aKqTqwXg 提取码:abiu