zeroe04 / r-centernet Goto Github PK

报错为：
Traceback (most recent call last): File "train.py", line 13, in <module> from visualize import Visualizer ModuleNotFoundError: No module named 'visualize'

求问

是以长边为准，还是如何呢？仅以上边中心点，下边中心点连线的斜率，感觉定义不是很准啊！

作者你好！如果将输入的数据集中的旋转角全部设置为0，loss中计算旋转角的loss，会对卷积网络和最后的模型有什么影响吗？

箭头框是车辆头尾图，1-2-3是labelimg2画的框
角度定义不明确，作者，你好，请在readme中详细定一下规则吧，tks

在dota数据上效果怎么样？

Hi! I am very interested in your work, Do you compare the performance of R-CenterNet in AirPlane datasets with that of orignal CenterNet?

centerNet papers shows, predicting heatmap+center points+cornel points, as pic bellow, but the code just only regress the center points and boxes width and height ?

'AttributeError: 'NoneType' object has no attribute 'shape''
How to solve?

有人知道怎么根据给定的矩形的四个顶点坐标来生成符合要求的json文件吗？都需要什么变量啊？求分享代码

我用的piou+centerOBB， trace成功了模型 但是模型不对，看网上有人说应该用script 但script只支持python的子集 需要修改forward的代码，修改到DLAUp的getAttr(self, "proj_" + str(startp - i)) 这种代码就修改不下去了，因为script不支持动态函数，请教大神们有成功把centernet这一类的模型给成功script的吗 （不是用trace的哈），可否参考一下script修改的forward源码 谢谢！

How do I choose img_size for the model? Thanks you

我将骨干网络改成了resnet18，并成功生成了pt格式（如以下代码），但是在Libtorch上调用时出错了，我怀疑是不是模型的输出接口用的是列表的形式，在Libtorch中无法识别，请问有什么样的解决办法吗？

//python生成pt格式模型：
model = ResNet(18)
model.load_state_dict(torch.load("ResNet18_best.pth"))
model.to("cpu")
traced_script_module = torch.jit.trace(model,torch.ones(1,3,512,512), strict=False)
traced_script_module.save("1.pt")

//Libtorch调用代码
torch::jit::script::Module model;
model = torch::jit::load("./1.pt");

//Libtorch调用时显示的错误：
Assertion failed: idx < size(), file C:\b\windows\pytorch\c10/util/SmallVector.h, line 201

非常感谢！！！感觉这是我见过说的最详细的一个啦！:"D

你好，感谢您的分享，请问训练时图片缩小4倍的考虑时什么呢？为了提高小目标的检测率吗？谢谢。

当种类训练，最终验证在evolations.py中怎么修改得到map的值

显存爆了，怀疑是batch_size太大，找不到改的地方。每次都是训练到第一个epoch第6个iter就断了

使用不同backbone的情况下，在多种实验下表明，只有dla34_dcn的backbone的angle_loss可以收敛，其他backbone包括resdcn_50,101，以及dlav0_34，angle_loss均无法有效收敛，其他head的loss表现均不错，这个问题可能是什么？角度的量纲？感受野？还是？

角度是怎么定义的？
R-CenterNet-master/imgs/001.jpg
比如这张图，里面只有一个大飞机，对应的xml。
0.54
这里的0.54是啥，是什么和什么之间的夹角，最好用图画出来说明一下。这样才直观。

<annotation>
	<folder>img</folder>
	<filename>001.jpg</filename>
	<path>F:\CV\毕业设计\打标签\img\001.jpg</path>
	<source>
		<database>Unknown</database>
	</source>
	<size>
		<width>958</width>
		<height>808</height>
		<depth>3</depth>
	</size>
	<segmented>0</segmented>
	<object>
		<name>aircraft</name>
		<pose>Unspecified</pose>
		<truncated>0</truncated>
		<difficult>0</difficult>
		<robndbox>
			<cx>602.1491</cx>
			<cy>523.8509</cy>
			<w>93.0</w>
			<h>105.0</h>
			<angle>0.54</angle>
		</robndbox>
		<extra/>
	</object>
</annotation>

Thanks for you r code.
I have trained this model on my dataset, but when i predict the targets, the angle prediction turns to be zero.
Furthermore, the loss did not converge when epoch=100.
Please give some suggestions.

Thanks for your great work
In the file of predict.py, why use this equation?

x0n= (x0 -x)*cosA -(y0 - y)*sinA + x
y0n = (x0-x)*sinA + (y0 - y)*cosA + y

x1n= (x1 -x)*cosA -(y1 - y)*sinA + x
y1n = (x1-x)*sinA + (y1 - y)*cosA + y

x2n= (x2 -x)*cosA -(y2 - y)*sinA + x
y2n = (x2-x)*sinA + (y2 - y)*cosA + y

x3n= (x3 -x)*cosA -(y3 - y)*sinA + x
y3n = (x3-x)*sinA + (y3 - y)*cosA + y

centernet出来的是外接矩形，就是图片中蓝色框，然后角度是目标的倾斜角度（设为角度A）吗，然后是把蓝色的外接矩形的四个点根据目标中心旋转角度A吗？我看代码里面是这样

Dear @ZeroE04 ,
Thank you for sharing your work.
I am not clear about the bbox annotation of your dataset. I guess it is in xc, yc, w, h, ang, but I do not know how w, h are measured, parallel to the image coordinates or from the cv2.minAreaRect?

For my dataset

     rect = cv2.minAreaRect(hull)
     xc, yc = rect[0][0], rect[0][1]
     w, h = rect[1][0], rect[1][1]
     angle = rect[2]
     angle = ange_to_0_180(angle)
     rbbox = [xc, yc, w, h, angle]

So, with my bbox annotation, I do not have to use the coco_box_to_bbox function right?
Thank for your time.

最好是resNet的，其他的也行，😊😊

大佬您好，我训练HRSC2016数据集最终train loss和val loss维持在4左右就不变了，测试了demo发现预测效果也不好。能指点一二吗？谢谢了

作者你好！我尝试使用这个工程去做行人检测，由于数据集问题，我去掉了旋转角，修改后可以正常训练模型，但是在模型评估阶段，我同样去掉了ang相关的内容，使用普通的iou。但是all_pre_num和num的输出都是0。我尝试去寻找哪里出了问题，在evalution.py文件的get_pre_ret函数中打印res = np.delete(res, 0, 0)之后得到的res=[],这是为什么呢？
我将修改之后的evalution和predict代码放在了csdn里：
https://blog.csdn.net/weixin_43786395/article/details/121322506?spm=1001.2014.3001.5501

如果您能有时间有时间浏览，将会非常感谢！！！

首先很感谢作者的贡献！
因为之前看到的角度都是利用cv2.minAreaRect得到的，范围是（-90,0），位于第一象限。
但是本算法需要的角度是labelImg2得到的，范围（0， 180）,位于第一、第四象限，不知道如何转换.
有知道的小伙伴没？

你好，请问wh是如何确定的？我现在知道4点坐标，但是无法确定你所说的wh，angle我可以计算，只要确定了wh

ImportError: cannot import name 'deform_conv_cuda'

Dear Author:
When I use this code to train for multiple categories, I find the code in "dataset.py" about line 37 "self._valid_ids = [1]" .Does it need to be modified? For example, two categories, self._valid_ids = [1, 2].

"bbox": [
506.5467,
124.2383,
62.0,
91.0,
3.3464944418634275
],
分别为目标中心点（x,y），以及宽度，长度，角度，角度是以12点钟为0°，顺时针旋转的角度
可是代码里面怎么还是和原版centernet解析x1，y1，x2，y2用的一样

        for k in range(num_objs):  # num_objs图中标记物数目  
            ann = anns[k]  # 第几个标记物的标签
            bbox, an = coco_box_to_bbox(ann['bbox']) 
            cls_id = int(self.cat_ids[ann['category_id']]) 
            bbox[:2] = affine_transform(bbox[:2], trans_output)    # 将box坐标转换到 128*128内的坐标
            bbox[2:] = affine_transform(bbox[2:], trans_output)
            bbox[[0, 2]] = np.clip(bbox[[0, 2]], 0, output_w - 1)  
            bbox[[1, 3]] = np.clip(bbox[[1, 3]], 0, output_h - 1)
            # 上面几行都是做数据扩充和resize之后的变换，不重要
            h, w = bbox[3] - bbox[1], bbox[2] - bbox[0]
            if h > 0 and w > 0:
                radius = gaussian_radius((math.ceil(h), math.ceil(w)))  
                radius = max(0, int(radius))
                ct = np.array([(bbox[0] + bbox[2]) / 2, (bbox[1] + bbox[3]) / 2], dtype=np.float32) 
                ct_int = ct.astype(np.int32) 
                draw_gaussian(hm[cls_id], ct_int, radius)
                wh[k] = 1. * w, 1. * h
                ang[k] = 1. * an
                ind[k] = ct_int[1] * output_w + ct_int[0]  
                reg[k] = ct - ct_int
                reg_mask[k] = 1
        ret = {'input': inp, 'hm': hm, 'reg_mask': reg_mask, 'ind': ind, 'wh': wh, 'ang':ang}

请问 多类别训练，除了更改num_classes变量，还需要更改其他的吗？

Why this project does not need to provide the variance and standard deviation of the datasets like orign CenterNet

trans_input = get_affine_transform(c, s, 0, [input_w, input_h])
训练测试都是这么用的，仿射变换后的的图片向右上角偏，左下角全黑？

win10，显卡2080s，train.py训练正常，训练完成后运行predict出现错误。
Traceback (most recent call last):
File "D:/R-CenterNet-master/predict.py", line 237, in
output, dets, forward_time = process(images, return_time=True)
File "D:/R-CenterNet-master/predict.py", line 152, in process
output = model(images)
File "D:\Anaconda\envs\CenterNet2\lib\site-packages\torch\nn\modules\module.py", line 477, in call
result = self.forward(*input, **kwargs)
File "./backbone\dlanet.py", line 610, in forward
ret[head] = self.getattr(head)(x)
File "D:\Anaconda\envs\CenterNet2\lib\site-packages\torch\nn\modules\module.py", line 477, in call
result = self.forward(*input, **kwargs)
File "D:\Anaconda\envs\CenterNet2\lib\site-packages\torch\nn\modules\container.py", line 91, in forward
input = module(input)
File "D:\Anaconda\envs\CenterNet2\lib\site-packages\torch\nn\modules\module.py", line 477, in call
result = self.forward(*input, **kwargs)
File "D:\Anaconda\envs\CenterNet2\lib\site-packages\torch\nn\modules\conv.py", line 301, in forward
self.padding, self.dilation, self.groups)
RuntimeError: CUDA error: out of memory

There are more cases of missed targets. Which parameters should I modify to improve the effect?

大佬你好，我想问一下关于predict里面的tmp_c是指这次预测的类别么？为啥要这么计算呢？不应该直接是i么，属于哪个类别热力图就算哪个类别

The angle of my dataset is 0-180 or -90 to 90 ? thanks you

ONNX export failed: Couldn't export Python operator _DCNv2

Why I can't find the detect head,are you fix it to backbone?