所谓“复现”，不过是跑通了官方的代码，以下仅为个人的一些经验和理解，欢迎指正。
（其实仅作为个人学习使用，也欢迎交流）
首先贴出官方文献和代码：
官方文献：InternImage: Exploring Large-Scale Vision Foundation Models with Deformable Convolutions，链接：InternImage: Exploring Large-Scale Vision Foundation Models with Deformable Convolutions | Papers With Code官方Github代码：GitHub - OpenGVLab/InternImage: [CVPR 2023 Highlight] InternImage: Exploring Large-Scale Vision Foundation Models with Deformable Convolutions
一、代码复现
1、配置信息
Linux系统Ubuntu 9.4.0（在Windows上跑会出现各种各样的问题，主要是包不兼容的问题），4卡，Cuda 11.1。
2、环境配置
下载了官方代码解压，得到以下文件：
进入 ./segmentation 文件夹下，用Notepad++软件打开README.md文件，跟据上面的内容配置环境。
3、数据集准备
ADE20K数据集下载：
官网下载：ADE20K dataset (mit.edu)，这里的训练测试只用到 ADEChallengeData2016 数据集（MIT Scene Parsing Challenge 2016）就可以了。这里再附上百度网盘下载链接：链接：https://pan.baidu.com/s/1VWVzoeIgzDbFgo_RXcQ_Mw?pwd=mv4j 提取码：mv4j
关于数据集的介绍请看官网，下面的训练和测试都是基于ADEChallengeData2016进行。
4、测试（test.py部分）
将数据集上传到Linux系统，官方代码默认读取路径是 ./segmentation/data/ADEChallenge Data2016/... ，如果不想改代码的话，就在 ./segmentation 文件夹下新建一个 data 文件夹，然后把ADEChallengeData2016数据集加载到data文件夹下。数据集组织格式如下（官方代码默认）：
---------------
|
|--ADEChallengeData2016
|
|--annotations
| |
| |--training
| | |
| | |--ADE_train_00000001.png
| | |--ADE_train_00000002.png
| | |--……
| |
| |--validation
| | |
| | |--ADE_val_00000001.png
| | |--ADE_val_00000002.png
| | |--……
|
|--images
| |
| |--training
| | |
| | |--ADE_train_00000001.png
| | |--ADE_train_00000002.png
| | |--……
| |
| |--validation
| | |
| | |--ADE_val_00000001.png
| | |--ADE_val_00000002.png
| | |--……
| |若数据集放于其它路径下，则需要通过修改代码来进行数据集的读取，这里有两种解决办法：
方法一：修改test.py文件代码。
找到读取数据集的代码行：
dataset = build_dataset(cfg.data.test) #建立数据集在该代码行前一行添加代码：
cfg.data.test['data_root'] = 'E:/data/ADE20K/ADEChallengeData2016' #通过这个命令行改变测试集的位置，添加你的测试集路径
dataset = build_dataset(cfg.data.test) #建立数据集这样修改之后，代码就会跟据你指明的路径读取数据，数据集的组织形式依旧如上面代码块所示。若更改组织形式，则需要指明图片所在路径和标注文件所在路径，如下面代码所示：
cfg.data.test['data_root'] = 'E:/data/ADE20K/ADEChallengeData2016' #通过这个命令行改变测试集的位置，添加你的测试集路径
cfg.data.test['img_dir'] = 'val/Images' #指向图片文件的路径，图片文件的完整路径为：cfg.data.test['data_root'] + cfg.data.test['img_dir']
cfg.data.test['ann_dir'] = 'val/Masks' #指向标注文件的路径，标注文件的完整路径为：cfg.data.test['data_root'] + cfg.data.test['ann_dir']
dataset = build_dataset(cfg.data.test) #建立数据集
方法二：通过修改数据读取的底层文件实现，参考：(64条消息) mmsegmentation教程1:自定义数据集、config文件修改、训练教程_AESA相控阵的博客-CSDN博客
模型参数（.pth文件）下载：GitHub - OpenGVLab/InternImage: [CVPR 2023 Highlight] InternImage: Exploring Large-Scale Vision Foundation Models with Deformable Convolutions
跟据你的模型需要，下载ckpt的链接文件并保存到你的文件中（即下文代码的[your_wei ght_path]）。
做到以上准备之后，运行以下代码就可以查看模型在ADE20K数据集上的测试结果：
python test.py configs/ade20k/upernet_internimage_t_512_160k_ade20k.py [your_weight_path]/upernet_internimage_t_512_160k_ade20k.pth --eval mIoU5、训练（train.py部分）
与第4部分类似，需要准备数据集和修改数据读取代码，模型训练不需要下载模型参数文件。准备好数据集和修改数据读取代码之后，运行以下代码（README.md）。
sh dist_train.sh configs/ade20k/upernet_internimage_t_512_160k_ade20k.py 8可能会出现报错，原因是 sh 命令被版本舍弃了（具体原因自己网上搜索）？将 sh 命令换为 bash 命令就可以了，即：文章来源：https://www.toymoban.com/news/detail-624663.html
bash dist_train.sh configs/ade20k/upernet_internimage_t_512_160k_ade20k.py 8文章来源地址https://www.toymoban.com/news/detail-624663.html
到了这里，关于InternImage segmentation部分代码复现及训练自己的数据集（一）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！
