1.我从coco数据集提取了12个类，数据集制作好了
2.更改了configs中fasterrcnn的类别数
，更改了coco.py里的
和mmdet\core\evaluation\class_names.py中的
3.重新编译
4.执行命令 python .\tools\train.py .\configs\faster_rcnn\faster_rcnn_r101_fpn_1x_coco.py
版权声明：本文为CSDN博主「故乡的云和星星」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/qq_39328536/article/details/122416024
区域卷积神经网络(R-CNN)系列 R-FCN 区域-全卷积网络 检测网络是回归，分类网络是分类。全连接层fully connect后，相对位置就丢失了。卷积层的相对位置是不变的。所以判断位置的检测网络
PointPillars: Fast Encoders for Object Detection from Point Clouds 用于点云目标检测的快速编码器 一些网站 论文的github https://github.com/nuto
在 COCO 数据集上预训练的检测器可以作为其他数据集（例如 CityScapes 和 KITTI 数据集）的良好预训练模型。本教程指导用户将Model Zoo 中提供的模型用于其他数据集以获得更好的性能。 在新数
从这个阅读量和展现量看是挨爬虫爬了吗…… 如有错漏，还望指正。 Radar-Camera Sensor Fusion for Joint Object Detection and Distance Estimation in A
暂无评论