AI实战营第七课笔记

[archriz]

mmdet可进行目标检测、实例分割等任务。 用collect_base_env可以打印环境信息。mmdet训练数据主要以MMCOCO格式。

 

在配置文件中在metainfo里单类项目也需要用tuple（加入逗号）。学习率根据batch size线性缩放。

backbone固定可以使用backbone=dict(frozen_stages=n)。mmdet支持很多可视化后端，可以在配置文件中加上。

 

可视化分析包括特征图可视化及Grad CAM等。特征图可视化有squeeze_mean压缩通道平均值、select_max选最大、topk个最大值三种方法。可以调用mmyolo里面demo/featmap_vis_demo.py的脚本。preview-model函数可以预览模型，方便选取想要可视化的层。 target-layers为目标层。大物体在小特征图上进行检测。CAM可以提取特定的类来可视化。

 

结合自然语言的多模态多任务模型是未来的趋势。