MMdetection3d框架的环境搭建与使用（二）-- 使用篇

以kitti数据集、pointpillars模型为例介绍使用方法。

一、使用方法

1.数据集制作

其中，ImageSets自己创建，并把对应的txt文件复制进去，

2.预处理数据集

python tools/create_data.py kitti --root-path ./data/kitti --out-dir ./data/kitti --extra-tag kitti

3.训练

python tools/train.py configs/pointpillars/hv_pointpillars_secfpn_6x8_160e_kitti-3d-3class.py

在训练时有很多参数可以直接输入，例如：

python tools/train.py configs/pointpillars/hv_pointpillars_secfpn_6x8_160e_kitti-3d-3class.py  '--work-dir=/data/mmdet3d/mmdetection3d-master/work_dirs/1106-4cla-removedground/'

来指定模型保存路径。
4.测试

python tools/test.py configs/pointpillars/hv_pointpillars_secfpn_6x8_160e_kitti-3d-3class.py checkpoints/epoch_80.pth --eval mAP --options 'show=True' 'out_dir=./data/pointpillars/show_results'

5.其他功能
1）绘制训练时的分类损失和回归损失，并将其保存为pdf
先安装seaborn

pip install seaborn

再绘制损失图像

python tools/analyze_logs.py plot_curve path/to/log.json --keys loss_cls loss_bbox --out losses.pdf

2)计算平均速度

python tools/analyze_logs.py cal_train_time log.json [--include-outliers]

二、测试结果

1.pointpillars
Car：


3class:


2.SECOND

三、与作者的问答

版权声明：本文为CSDN博主「旺仔小姐」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/sinat_41667032/article/details/110400334