bubbliiiing / centernet-pytorch Goto Github PK

知道这个问题的原因是什么吗，我训练到一半的时候出现了这个问题

为什么在训练过程中procession一直100%，F1一直为0，我使用您其他的代码均没有出现这个问题，用这个centernet跑了好几次还是这个问题

使用的是pytorch版本的centernet代码，主干特征提取网络是resnet50，主干网没动。
在代码：
self.backbone = resnet50(pretrain=pretrain)
self.decoder = resnet50_Decoder(2048)
self.head = resnet50_Head(channel=64, num_classes=num_classes)
中，self.backbone = resnet50(pretrain=pretrain)没动，只更改了self.decoder ，想要迁移使用model_data/centernet_resnet50_voc.pth中的resnet50权重，下面的权重自己训练。
更改了pretrain = True。

却出现错误如下：
pretrained_dict = {k: v for k, v in pretrained_dict.items() if np.shape(model_dict[k]) == np.shape(v)}
KeyError: 'backbone.0.weight'
我的邮箱:[email protected]
谢谢！

同样的数据集，我在ultralytics版yolov3中训练，结果好很多，请问怎么排查问题呢？

Finish Validation
0%| | 0/119 [00:00<?, ?it/s]Get map.
0%| | 0/119 [00:00<?, ?it/s]
Traceback (most recent call last):
File "/home/linux/data2/sun/centernet-pytorch-main/train.py", line 491, in
epoch_step, epoch_step_val, gen, gen_val, UnFreeze_Epoch, Cuda, fp16, scaler, backbone, save_period, save_dir, local_rank)
File "/home/linux/data2/sun/centernet-pytorch-main/utils/utils_fit.py", line 161, in fit_one_epoch
eval_callback.on_epoch_end(epoch + 1, model_train)
File "/home/linux/data2/sun/centernet-pytorch-main/utils/callbacks.py", line 211, in on_epoch_end
self.get_map_txt(image_id, image, self.class_names, self.map_out_path)
File "/home/linux/data2/sun/centernet-pytorch-main/utils/callbacks.py", line 145, in get_map_txt
outputs = decode_bbox(outputs[0], outputs[1], outputs[2], self.confidence, self.cuda)
IndexError: list index out of range

是需要自己创建吗

@bubbliiiing 您好 ：
想确认一下， 请问注意事项中的：
1: 代码中的centernet_hourglass_coco.pth是使用voc数据集训练的？ coco.pth 代表的意思 到底是 coco 训练的还是 VOC 训练的？
2: readme.md 中 CenterNet:Objects as Points目标检测模型在Keras当中的实现， 是不是 pytorch 呀

你好，请问FPS如何计算呢?

你好，我用您代码中给出的voc权重进行测试，mAP结果是85.78%，这么高正常吗？是在3090上测试的。
此外，我还按照您的参数对centernet+resnet50进行训练，在voc07+12数据集上，参数都没有改，总epoch没有变，是100，测试结果是mAP：81.51%。我是在3090ti上跑的，占的显存大概6个g

Traceback (most recent call last):
File "train.py", line 15, in
from utils.callbacks import LossHistory
File "/root/centernet/centernet-pytorch-main/utils/callbacks.py", line 9, in
from torch.utils.tensorboard import SummaryWriter
File "/root/.local/lib/python3.7/site-packages/torch/utils/tensorboard/init.py", line 6, in
from .writer import FileWriter, SummaryWriter # noqa F401
File "/root/.local/lib/python3.7/site-packages/torch/utils/tensorboard/writer.py", line 18, in
from ._convert_np import make_np
File "/root/.local/lib/python3.7/site-packages/torch/utils/tensorboard/_convert_np.py", line 12, in
from caffe2.python import workspace
File "/root/.local/lib/python3.7/site-packages/caffe2/python/workspace.py", line 15, in
from past.builtins import basestring

h[h < np.finfo(h.dtype).eps * h.max()] = 0
请问这句代码里 *h.max() 是做什么用呢？直接判断 h < np.finfo(h.dtype).eps 行否？

想问下一个问题。我在跑牙齿检测的时候需要对不同位置的牙齿进行分类，比如1号位置，2号位置，跑完模型之后进行检测，位置定位的很准确，但是输出的标签都是同一个，且置信度很低，是为什么会这样呀==

我用类似注意力机制模块替换resnet50残差块中的3*3卷积之后还可以用Imgenet的预训练权重吗？
还有那个centernet-resnet50_voc.pth还可以用吗？

比如r1的求解，根据一元二次方程求解公式，r1应该是

r1 = (b1 + sq1) / (2 * a1)

CenterNet这里少了个a1
CenterNet继承了CornerNet里的这个bug，但CornerNet已经2修复了，是否考虑修复后重复跑个实验？？

大佬 我了解了下这个主干网络，请问以下这个能做语义分割吗？

我训练自己的数据集时，mAP才22%，有几个类别1%以下，请问是出现了什么问题吗？
我的数据集是200X200的，我在输入尺寸设为了224X224，训练了500次，比例是8:2，没有冻结阶段，没有预训练

B导，我在使用get_map.py的时候，您的初始设置confidence为0.02，我正常得到map结果，但是我像其他网络一样把confidence修改成为0.001以后就得不到map结果了，这是为什么呢？
还有就是想问一下，在计算voc的map时，confidence都应该设置为很低，所以是不是0.02和0.001的效果相似？谢谢b导

你好，我想问一下，这个版本的CenterNet和官方的模型有什么区别？使用相同的数据进行训练和验证，两者的模型精度差异大吗？

classes_path更改了，内容只有一个car，训练也完成了。但是就是get_map是最初的20个类？能帮我解答一下吗up

你好，我使用提供的 centernet_resnet50_voc.pth [在VOC2007测试集上只能得到67%的mAP（数据集下载和测试过程均按照readme操作），请问这个是否是得到 77% mAP模型？
pytorch 版本 1.71

训练时候加载数据是dataloader.py 222行，是没有对图片做mean和std归一化的，但预测时predict.py -> centernet.py -> util/util.py -> preprocess_input里却对图片做了mean、std归一化，这应该有问题吧？

大神你好，跟着你代码学了很多东西，基本都star了遍
我想问一下你这个跑出来的COCO mAP比论文提供的结果好像要差点，这是啥原因啊

不知道有没有时间出一期讲解在COCO数据集上训练测试的视频。
比如在2014的训练集上训练，在2014的验证集上测试。
仅仅是一个想法，提议。谢谢。

按照readme文档中的步骤
1 已解压VOC数据集至项目根目录，pth文件至model_data目录
2 已修改voc_annotation.py 中的annotation_mode为2
3 运行train.py

环境
pytorch1.2 + cuda10.0 +python3.6 ，Ubuntu
刚开始是使用的高版本torch和python，然后也尝试了python3.6+ torch1.2的环境,出现一样的问题

使用16G内存训练，一会就内存不足了，是有什么地方需要设置吗？

想问一下如何训练可以得到您给出的在voc上77mAP的权重？可以问一下训练策略吗？我在你的代码中注释了对预训练文件的引入，直接使用原始ResNet网络进行train.py文件中100epoch的训练，得到的训练效果很差？想问怎样可以训练出和您相同的voc的结果呢？

代码没有输出模型更详细的COCO评测指标，如APS,APM,APL，可以加上吗？

您好，我想请问 我在用cuda训练model的时候（VOC Pascal）还没开始训练就自动结束了，我查了一下我的cuda安装正确并且在一个线性模型上跑得很好

你好，请问batch_hms代表的是什么呢？它的shape是如何确定的呢

大佬你好，我最近也最研究anchor-free，现在有个想法是把一些anchor-base模型改成anchor-free，你觉得可行性高吗？

结果mAP很小很小，也就1%，这是什么原因啊

请问有ResNet18的预训练权重吗，如果没的话，用官方的权重能行吗？

原文中不仅可以目标检测还可以姿态估计啥的吗，如果要进行关键点识别该怎么修改欸？还请佬不吝赐教：）

91.54% = board AP || score_threhold=0.5 : F1=0.90 ; Recall=83.91% ; Precision=97.05%
51.44% = branch AP || score_threhold=0.5 : F1=0.24 ; Recall=16.67% ; Precision=40.00%
97.72% = spot AP || score_threhold=0.5 : F1=0.93 ; Recall=92.86% ; Precision=92.86%
mAP = 80.23%

可以用torchvision的数据增强方法吗，那损失是不是得重新改

你好 我想问一下 我将Resnet换成了SENet 请问如果预训练权重不可使用了 那我该怎么做才能训练

测试HourglassNet时出现了这个错误，该怎么解决呢？导儿

这是为什么

您好，我使用您的程序训练自己的数据集，使用的是resnet50，使用nms。按照步骤我已经成功的完成了训练阶段，得到了Epoch100-Total_Loss0.0002-Val_Loss0.0002.pth。使用这个权重去进行评估，在运行get_dr_txt.py程序后，在detection-results文件下，为每张图片创建了对应的txt文件，但这里得到的文件都是空白的。监控get_dr_txt.py程序，发现outputs=decode_bbox(...)输出的结果都为空的列表。我尝试解决，但不了解为什么预测不出结果，请您帮忙指导。

你好，我在train里面已经将Freeze_Train设置为False，为什么开始训练的时候，下面还是显示1/50？最开始的loss达到了1000
（Faster-RCNN里面也是这个情况）

如题，请大佬指教

您好 我想請問一下訓練時 training loss 總是大於 validation loss 是有可能的嗎?