3D 目标检测 SFD 问题记录

这篇具有很好参考价值的文章主要介绍了3D 目标检测 SFD 问题记录。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。

问题1:read timeout

顺着网址手动下载,然后放入相应的目录下
3D 目标检测 SFD 问题记录,代码记录,目标检测,人工智能,计算机视觉

问题2:SparseModule

3D 目标检测 SFD 问题记录,代码记录,目标检测,人工智能,计算机视觉

import spconv 要改写成 import spconv.pytorch as spconv

3D 目标检测 SFD 问题记录,代码记录,目标检测,人工智能,计算机视觉

问题3:skimage

3D 目标检测 SFD 问题记录,代码记录,目标检测,人工智能,计算机视觉

pip install scikit-image -i https://pypi.tuna.tsinghua.edu.cn/simple

问题4:TypeError: expected str

3D 目标检测 SFD 问题记录,代码记录,目标检测,人工智能,计算机视觉
Numpy 版本不对导致,

pip install -U numpy==1.21.2 

问题5:ccfg.file 路径问题

3D 目标检测 SFD 问题记录,代码记录,目标检测,人工智能,计算机视觉
手动 default加入 yaml 路径

parser.add_argument('--cfg_file', type=str, default='/home/newdisk/fengshaofei/SFD1/tools/cfgs/kitti_models/sfd.yaml', help='specify the config for training')

问题6:相对路径关系

绝对引用
相对引用 from ..ops.roiaware_poo3d import roiaware_pool3d_utils

问题7:sort_vertices

3D 目标检测 SFD 问题记录,代码记录,目标检测,人工智能,计算机视觉

pip install 

问题8:ImportError: cannot import name ‘VoxelGenerator’ from ‘spconv.utils’

问题9:RuntimeError: No CUDA GPUs are available

3D 目标检测 SFD 问题记录,代码记录,目标检测,人工智能,计算机视觉

3D 目标检测 SFD 问题记录,代码记录,目标检测,人工智能,计算机视觉
把“2”改成“0”,就好了!
或者
3D 目标检测 SFD 问题记录,代码记录,目标检测,人工智能,计算机视觉

问题10:AttributeError: module ‘spconv’ has no attribute ‘SparseSequential’

3D 目标检测 SFD 问题记录,代码记录,目标检测,人工智能,计算机视觉

问题11:from .roi_head_template import RoIHeadTemplate

3D 目标检测 SFD 问题记录,代码记录,目标检测,人工智能,计算机视觉

问题12:KeyError: ‘road_plane’

3D 目标检测 SFD 问题记录,代码记录,目标检测,人工智能,计算机视觉
在sfd.yaml文件中第12行:USE_ROAD_PLANE: False
不使用增强数据集

问题13:FileNorFountError

3D 目标检测 SFD 问题记录,代码记录,目标检测,人工智能,计算机视觉安装包忘记解压了,解压就好了
3D 目标检测 SFD 问题记录,代码记录,目标检测,人工智能,计算机视觉

问题14:NameError: name ‘points_to_voxel’ is not defined

3D 目标检测 SFD 问题记录,代码记录,目标检测,人工智能,计算机视觉

问题15:RuntimeError: No CUDA GPUs are available

问题16:CUDA error: an illegal memory access was encountered

RuntimeError: CUDA error: an illegal memory access was encountered
CUDA kernel errors might be asynchronously reported at some other API call,so the stacktrace below might be incorrect.
For debugging consider passing CUDA_LAUNCH_BLOCKING=1.3D 目标检测 SFD 问题记录,代码记录,目标检测,人工智能,计算机视觉

问题 17:NotImplementedError

3D 目标检测 SFD 问题记录,代码记录,目标检测,人工智能,计算机视觉
3D 目标检测 SFD 问题记录,代码记录,目标检测,人工智能,计算机视觉
sfd_head_utilspy points_features[:, 3:6] /= 255.0 后面增加:

from torch.nn.functional import normalize

points_features[:, :3] = normalize(points_features[:, :3], dim=0)
points_features[:, 6:] = normalize(points_features[:, 6:], dim=0)
LR = 0.01   #(缩小十倍)
REG_Loss: giou  # 换成diou

test.py

问题1:FileNotFoundError

3D 目标检测 SFD 问题记录,代码记录,目标检测,人工智能,计算机视觉
3D 目标检测 SFD 问题记录,代码记录,目标检测,人工智能,计算机视觉

3D 目标检测 SFD 问题记录,代码记录,目标检测,人工智能,计算机视觉

警告1:UserWarning: floordiv is deprecated, and its behavior will change in a future version of pytorch. It currently rounds toward 0 (like the ‘trunc’ function NOT ‘floor’). This results in incorrect rounding for negative values. To keep the current behavior, use torch.div(a, b, rounding_mode=‘trunc’), or for actual floor division, use torch.div(a, b, rounding_mode=‘floor’)

3D 目标检测 SFD 问题记录,代码记录,目标检测,人工智能,计算机视觉
将操作符“//“替换为“torch.div()"

警告2:UserWarning: torch.meshgrid

3D 目标检测 SFD 问题记录,代码记录,目标检测,人工智能,计算机视觉改为:return _VF.meshgrid(tensors, **kwargs, indexing = 'ij')文章来源地址https://www.toymoban.com/news/detail-552951.html

到了这里,关于3D 目标检测 SFD 问题记录的文章就介绍完了。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

  • 人工智能 - 目标检测:发展历史、技术全解与实战

    本文全面回顾了目标检测技术的演进历程,从早期的滑动窗口和特征提取方法到深度学习的兴起,再到YOLO系列和Transformer的创新应用。通过对各阶段技术的深入分析,展现了计算机视觉领域的发展趋势和未来潜力。 关注TechLead,分享AI全维度知识。作者拥有10+年互联网服务架

    2024年02月05日
    浏览(57)
  • 人工智能TensorFlow PyTorch物体分类和目标检测合集【持续更新】

    1. 基于TensorFlow2.3.0的花卉识别 基于TensorFlow2.3.0的花卉识别Android APP设计_基于安卓的花卉识别_lilihewo的博客-CSDN博客 2. 基于TensorFlow2.3.0的垃圾分类 基于TensorFlow2.3.0的垃圾分类Android APP设计_def model_load(img_shape=(224, 224, 3)_lilihewo的博客-CSDN博客   3. 基于TensorFlow2.3.0的果蔬识别系统的

    2024年02月09日
    浏览(62)
  • AI一叶知秋:从目标检测部署浅谈人工智能发展

    笔者写这篇文章也有讨巧之嫌,仅以个人视角分享一些看法,主要从实践部署来谈谈近两年来计算机视觉模型的变化,不过AI是一个宏大的话题,每个人定义的人工智能就不一样,我们先来探讨一下何为人工智能。百度百科中是这样定义的: 人工智能是研究、开发用于模拟、

    2024年02月02日
    浏览(93)
  • YOLO目标检测——真实和人工智能生成的合成图像数据集下载分享

    YOLO真实和人工智能生成的合成图像数据集,真实场景的高质量图片数据,图片格式为jpg,数据场景丰富。可用于检测图像是真实的还是由人工智能生成。 数据集点击下载 :YOLO真实和人工智能生成的合成图像数据集+120000图片+数据说明.rar

    2024年02月10日
    浏览(52)
  • 基于人工智能与边缘计算Aidlux的鸟类检测驱赶系统(可修改为coco 80类目标检测)

    ●项目名称 基于人工智能与边缘计算Aidlux的鸟类检测驱赶系统(可修改为coco 80类目标检测) ●项目简介 本项目在Aidlux上部署鸟类检测驱赶系统,通过视觉技术检测到有鸟类时,会进行提示。并可在源码上修改coco 80类目标检测索引直接检测其他79类目标,可以直接修改、快速

    2024年02月12日
    浏览(56)
  • 人工智能学习07--pytorch15(前接pytorch10)--目标检测:FPN结构详解

    backbone:骨干网络,例如cnn的一系列。(特征提取) (a)特征图像金字塔 检测不同尺寸目标。 首先将图片缩放到不同尺度,针对每个尺度图片都一次通过算法进行预测。 但是这样一来,生成多少个尺度就要预测多少次,训练效率很低。 (b)单一特征图 faster rcnn所采用的一种方式

    2023年04月12日
    浏览(74)
  • 人工智能学习07--pytorch20--目标检测:COCO数据集介绍+pycocotools简单使用

    如:天空 coco包含pascal voc 的所有类别,并且对每个类别的标注目标个数也比pascal voc的多。 一般使用coco数据集预训练好的权重来迁移学习。 如果仅仅针对目标检测object80类而言,有些图片并没有标注信息,或者有错误标注信息。所以在实际的训练过程中,需要对这些数据进行

    2024年02月12日
    浏览(64)
  • 毕业设计:基于机器学习的课堂学生表情识别系统 人工智能 python 目标检测

    目录 前言 项目背景 数据集 设计思路 更多帮助     📅大四是整个大学期间最忙碌的时光,一边要忙着备考或实习为毕业后面临的就业升学做准备,一边要为毕业设计耗费大量精力。近几年各个学校要求的毕设项目越来越难,有不少课题是研究生级别难度的,对本科同学来说是充

    2024年04月16日
    浏览(134)
  • 毕业设计选题- 基于深度学习的海洋生物目标检测系统 YOLO 人工智能

    目录 前言 课题背景和意义 实现技术思路 一、基于深度学习的海洋生物目标检测研究主题 二、水下图像处理算法的研究 2.1Retinex算法 2.2直方图均衡化算法 2.3暗通道去雾算法 三、基于深度学习的目标检测算法 海洋生物目标检测实现效果 最后        📅大四是整个大学期间最

    2024年02月01日
    浏览(162)
  • 人工智能学习07--pytorch23--目标检测:Deformable-DETR训练自己的数据集

    1、pytorch conda create -n deformable_detr python=3.9 pip 2、激活环境 conda activate deformable_detr 3、torch 4、其他的库 pip install -r requirements.txt 5、编译CUDA cd ./models/ops sh ./make.sh #unit test (should see all checking is True) python test.py (我没运行这一步) 主要是MultiScaleDeformableAttention包,如果中途换了

    2024年02月14日
    浏览(158)

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