高效的实例预测

高效实例预测

该存储库包含论文《基于快速高效的变压器的鸟瞰图实例预测方法》的代码：

• 米格尔·安图内斯

• 路易斯·M·贝尔加萨

• 圣地亚哥·蒙蒂尔·马林

• 拉斐尔·巴里亚

• 法比奥·桑切斯·加西亚

• 安吉尔·拉马萨雷斯

更改 makefile 中的 nuscenes 路径。如果未设置 WANDB KEY，代码将要求设置。如果您不想创建或使用您的帐户，您可以匿名登录。

NuScenes 数据集

从官方网站下载NuScenes数据集，并将文件解压到具有以下结构的文件夹中：

  努斯场景/
  └──── 训练值/
        ├──── 地图/
        ├──── 样品/
        ├────扫/
        ├──── v1.0-trainval/
        └──── v1.0-mini/

在Makefile中配置NuScenes数据集的路径：

 NUSCENES_PATH = /路径/到/nuscenes

预训练模型

% 模型及其性能表

模型	VPQ 短	IoU短	参数 (M)	延迟（毫秒）	检查站
满的	53.7	59.1	13.46	63	'完整模型 ckpt'
微小的	52.3	57.5	7.42	60	“小模型 ckpt”

安装与使用

使用以下命令构建 Docker 镜像：

进行构建

您可以在Makefile中配置镜像的以下参数：

• IMAGE_NAME ：生成的 Docker 镜像的名称。

• TAG_NAME ：生成的 Docker 镜像的标签。

• USER_NAME ：Docker 容器内的用户名。

构建镜像后，您可以使用以下命令运行容器：

让跑

此命令将在容器内运行 bash 并挂载容器内的当前目录和数据集。

在容器内，您可以：

• 评估模型：

   python val.py --checkpoint 'Path/to/model.ckpt' --dataset_root 'Path/to/nuscenes'

• 可视化预测：

   python Predict.py --checkpoint 'Path/to/model.ckpt' --dataset_root 'Path/to/nuscenes'
                     --save_path '保存路径/预测'

• 训练模型：

  首先，您可以在prediction/configs/baseline.py文件中配置一些训练参数。我们还在同一文件夹中提供模型的配置文件。

  如果您想使用您的 Wandb 帐户，您可以使用您的 API 密钥设置 WANDB_API_KEY 环境变量。

  可以使用以下命令来训练模型：

   python train.py --config 'config_name'

  其中config_name是prediction/configs中不带.py扩展名的配置文件的名称。新的自定义配置也可以添加到此文件夹中。

  如果您在baseline.py中指定检查点路径，您可以：

• 如果 LOAD_WEIGHTS 设置为 True，则加载预训练模型的权重。

• 如果 CONTINUE_TRAINING 也设置为 True，则从检查点继续训练，这会维护优化器和调度器状态。

接触

如果您有任何疑问，请随时通过 [email protected] 与我联系。