MMdetection3D学习系列(一)——环境配置安装

这篇具有很好参考价值的文章主要介绍了MMdetection3D学习系列(一)——环境配置安装。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

MMdetion3D是是mmlab在3d目标检测方面提供的相关检测模型,可以实现点云、图像或者多模态数据上的3D目标检测以及点云语义分割。
GitHub地址:https://github.com/open-mmlab/mmdetection3d/
目前mmdetection3d 支持21种不同的算法,100多个预训练模型,7个数据集:MMdetection3D学习系列(一)——环境配置安装
mmdetection3D安装比较简单,之前弄的时候踩了很多坑,老是卡在安装mmcv-full这一步,特别是在win系统下感觉老是有问题。在ubuntu系统下可以直接通过mim来安装很方便(windows 的 shell其实也可以,不过没搞透)。具体步骤如下(ubuntu系统或者win的shell):

创建conda环境

conda create -n mmdet3d python=3.7 pytorch==1.6.0 cudatoolkit=10.1 torchvision -c pytorch -y

这边要注意一点就是需要根据自身计算机的cuda版本来选择,这个很重要!!!
然后就是激活环境进行安装了,推荐使用mim进行安装,比较方便

conda activate mmdet3d
pip install openmim
mim install mmcv-full
git clone https://github.com/open-mmlab/mmdetection3d.git
cd mmdetection3d-master
pip install -e .

需要注意的一点是有时候会在安装mmcv-full的时候出现问题。这个时候就需要到官网查看一下自己的cuda对应的版本了,我之前遇到过这情况,这么处理就可以了。
查看是否安装完成的话,可以在该环境下输入:

import mmdet3d
print(mmdet3d.__version__)

验证

可以在jupyter lab里进行验证。这里如果没有jupyter lab的话,直接pip install jupyterlab即可。
在命令行输入jupyter lab进入jupyterlab。MMdetection3D学习系列(一)——环境配置安装
输入如下指令即可:
MMdetection3D学习系列(一)——环境配置安装
其实就是调用mmdet3d的api进行检测,需要注意的是checkpoint需要自己去下载,可以在GitHub中的config目录下下载对应的model:
MMdetection3D学习系列(一)——环境配置安装
显示结果如下:MMdetection3D学习系列(一)——环境配置安装
如果是对点云的检测就是这样的:
MMdetection3D学习系列(一)——环境配置安装文章来源地址https://www.toymoban.com/news/detail-429485.html

到了这里,关于MMdetection3D学习系列(一)——环境配置安装的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 3D目标检测框架 MMDetection3D环境搭建 docker篇

    本文介绍如何搭建3D目标检测框架,使用docker快速搭建MMDetection3D的开发环境,实现视觉3D目标检测、点云3D目标检测、多模态3D目标检测等等。 需要大家提前安装好docker,并且docker版本= 19.03。 1、下载MMDetection3D源码 https://github.com/open-mmlab/mmdetection3d  git clone https://github.com/ope

    2024年02月08日
    浏览(48)
  • MMDetection3D使用学习(mmdet v1.1 rc)

    本文所观看视频教程的mmdet3d版本为v1.0.0 rc5,而我使用的是v1.1.0 rc3。v1.0.0 rc5的一些实现可以参考我的另一篇博客基于MMDet3D的pointpillars和centernet推理(mmdet3d v1.0 rc)或者官方文档。本文会记录学习中遇到的问题。视频链接 支持点云、视觉、多模态检测算法,支持室内、室外场景

    2024年02月07日
    浏览(44)
  • 【MMDetection3D】环境搭建,使用PointPillers训练&测试&可视化KITTI数据集

    2D卷不动了,来卷3D,之后更多地工作会放到3D检测上 本文将简单介绍什么是3D目标检测、KITTI数据集以及MMDetection3D算法库,重点介绍如何在MMDetection3D中,使用PointPillars算法训练KITTI数据集,并对结果进行测试和可视化。   对于一张输入图像,2D目标检测旨在给出物体类别并标

    2024年02月03日
    浏览(51)
  • mmdetection3d nuScenes (持续更新)

    本文为博主原创文章,未经博主允许不得转载。 本文为专栏《python三维点云从基础到深度学习》系列文章,地址为“https://blog.csdn.net/suiyingy/article/details/124017716”。         Mmdetection3d集成了大量3D深度学习算法,其中很大一部分可以在智能驾驶nuScenes数据集上运行。在算法

    2023年04月15日
    浏览(43)
  • 【MMDetection3D】MVXNet踩坑笔记

    原文 代码 MVXNet(CVPR2019) 最近许多关于3D target detection的工作都集中在设计能够使用点云数据的神经网络架构上。虽然这些方法表现出令人鼓舞的性能,但它们通常基于单一模态,无法利用其他模态(如摄像头和激光雷达)的信息。尽管一些方法融合了来自不同模式的数据,这些方

    2024年01月18日
    浏览(49)
  • 新版mmdetection3d将3D bbox绘制到图像

    使用 python mmdet3d/utils/collect_env.py 收集环境信息 以前写过mmdetection3d中的可视化,但mmdetection3d更新后代码已经不适用了,正好我把我的工作全转移到新版mmdetection3d上来了,因此重新写了一下推理结果可视化。整体思路还是构建模型、构建数据、推理、绘制,下面分步讲解 我用

    2024年04月15日
    浏览(46)
  • MMDetection3D库中的一些模块介绍

    本文目前仅包含2个体素编码器、2个中间编码器、1个主干网络、1个颈部网络和1个检测头。如果有机会,会继续补充更多模型。 若发现内容有误,欢迎指出。   MMDetection3D的点云数据一般会经历如下步骤/模块:   下面分别介绍每个部分的一些典型模型。   在介绍体素

    2023年04月17日
    浏览(48)
  • mmdetection3d可视化多模态模型推理结果

    参考文献: 带你玩转 3D 检测和分割 (三):有趣的可视化 - 知乎 (zhihu.com) Welcome to MMDetection3D’s documentation! — MMDetection3D 1.0.0rc4 文档 让我们看一下ChatGPT的回答[手动狗头]: mmdetection3D是基于PyTorch框架的3D目标检测工具包,它是mmdetection的3D扩展版本。它提供了一个灵活且高效的

    2024年02月16日
    浏览(44)
  • 点云检测框投影到图像上(mmdetection3d)

    原模型检测时候只有点云的检测框,本文主要是将demo文件中的pcd_demo.py中的代码,将点云检测出的3d框投影到图像上面显示。   

    2024年02月13日
    浏览(40)
  • 零基础熟悉mmdetection3d数据提取、模型搭建过程

    本图文从介绍配置文件开始,逐步构建一个新的配置文件,并依次构建相关模型,最终使用一条点云数据简单走了一下处理流程 关于mmdetection3d的安装,参考官方文档安装 — MMDetection3D 1.0.0rc4 文档 1.1 mmdetection3d配置文件的组成 官方文档:教程 1: 学习配置文件 — MMDetection3D 1.

    2024年02月05日
    浏览(67)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包