丹阳网站建设要多少钱,广告网站推荐,平面设计创意图,高端建筑物图片从零开始的目标检测和关键点检测#xff08;三#xff09;#xff1a;训练一个Glue的RTMPose模型 一、重写config文件二、开始训练三、ncnn部署 从零开始的目标检测和关键点检测#xff08;一#xff09;#xff1a;用labelme标注数据集 从零开始的目标检测和关键点检测… 从零开始的目标检测和关键点检测三训练一个Glue的RTMPose模型 一、重写config文件二、开始训练三、ncnn部署 从零开始的目标检测和关键点检测一用labelme标注数据集 从零开始的目标检测和关键点检测二训练一个Glue的RTMDet模型 一、重写config文件 1、数据集类型即coco格式的数据集在dataset_info声明classes、keypoint_info(关键点)、skeleton_info(骨架信息)。 dataset_type CocoDataset data_mode topdown data_root E:\\pythonproject\\mmdetection\\data\\glue_134_Keypoint\\# glue关键点检测数据集-元数据 dataset_info {dataset_name:glue_134_Keypoint,classes:glue,keypoint_info:{0:{name:head,id:0,color:[255,0,0],type: ,swap: },1:{name:tail,id:1,color:[0,255,0],type: ,swap: },},skeleton_info: {0: {link:(head,tail),id: 0,color: [100,150,200]},} }2、训练参数 # 训练超参数 max_epochs 200 # 训练 epoch 总数 val_interval 10 # 每隔多少个 epoch 保存一次权重文件 train_cfg {max_epochs: max_epochs, val_interval: val_interval} train_batch_size 32 val_batch_size 8 stage2_num_epochs 20 base_lr 4e-3 randomness dict(seed21)# 优化器 optim_wrapper dict(typeOptimWrapper,optimizerdict(typeAdamW, lrbase_lr, weight_decay0.05),paramwise_cfgdict(norm_decay_mult0, bias_decay_mult0, bypass_duplicateTrue))# 学习率 param_scheduler [dict(typeLinearLR, start_factor1.0e-5, by_epochFalse, begin0, end20),dict(# use cosine lr from 210 to 420 epochtypeCosineAnnealingLR,eta_minbase_lr * 0.05,beginmax_epochs // 2,endmax_epochs,T_maxmax_epochs // 2,by_epochTrue,convert_to_iter_basedTrue), ]# automatically scaling LR based on the actual training batch size auto_scale_lr dict(base_batch_size1024)3、模型定义、数据预处理、数据加载 详细见源码。 二、开始训练 1、开始训练 python tools/train.py data/glue_134_Keypoint/rtmpose-t-glue.py2、训练结果 07/27 14:34:07 - mmengine - INFO - Epoch(val) [200][6/6] \ coco/AP: 0.851412 coco/AP .5: 1.000000 coco/AP .75: 1.000000 coco/AP (M): -1.000000 \ coco/AP (L): 0.857120 coco/AR: 0.892683 coco/AR .5: 1.000000 coco/AR .75: 1.000000 \ coco/AR (M): -1.000000 coco/AR (L): 0.892683 \ PCK: 1.000000 AUC: 0.789634 NME: 0.013435 data_time: 0.044700 time: 0.070389测试一下训练结果 topdown测试 RTMDet RTMPose python demo/topdown_demo_with_mmdet.py \E:\\pythonproject\\mmdetection\\data\\glue_134_Keypoint\\rtmdet_tiny_glue.py \E:\\pythonproject\\mmdetection\\work_dirs\\rtmdet_tiny_glue\\best_coco_bbox_mAP_epoch_180.pth \data/glue_134_Keypoint/rtmpose-t-glue.py \work_dirs/rtmpose-t-glue/best_PCK_epoch_90.pth \--input data/glue_134_Keypoint/test_image/img.png \--output-root data/glue_134_Keypoint/test_image/result/ \--device cpu \--bbox-thr 0.5 \--kpt-thr 0.5 \--nms-thr 0.3 \--radius 5 \--thickness 5 \--draw-bbox \--draw-heatmap \--show-kpt-idxPose测试 RTMPose即手动把glue截出来再丢到网络里 python demo/image_demo.py data/glue_134_Keypoint/test_image/img_2.png \data/glue_134_Keypoint/rtmpose-t-glue.py \work_dirs/rtmpose-t-glue/best_PCK_epoch_90.pth \--out-file data/glue_134_Keypoint/test_image/result_2.png \--draw-heatmap3、训练过程可视化 训练集损失函数 训练集准确率 测试集评估指标 测试集评估指标 三、ncnn部署 在线模型转换Deploee 上传文件完成在线转换