所謂“復(fù)現(xiàn)”，不過是跑通了官方的代碼，以下僅為個(gè)人的一些經(jīng)驗(yàn)和理解，歡迎指正。
（其實(shí)僅作為個(gè)人學(xué)習(xí)使用，也歡迎交流）
首先貼出官方文獻(xiàn)和代碼：
官方文獻(xiàn)：InternImage: Exploring Large-Scale Vision Foundation Models with Deformable Convolutions，鏈接：InternImage: Exploring Large-Scale Vision Foundation Models with Deformable Convolutions | Papers With Code官方Github代碼：GitHub - OpenGVLab/InternImage: [CVPR 2023 Highlight] InternImage: Exploring Large-Scale Vision Foundation Models with Deformable Convolutions
一、代碼復(fù)現(xiàn)
1、配置信息
????????Linux系統(tǒng)Ubuntu 9.4.0（在Windows上跑會出現(xiàn)各種各樣的問題，主要是包不兼容的問題），4卡，Cuda 11.1。
2、環(huán)境配置
????????下載了官方代碼解壓，得到以下文件：
????????進(jìn)入? ?./segmentation 文件夾下，用Notepad++軟件打開README.md文件，跟據(jù)上面的內(nèi)容配置環(huán)境。
3、數(shù)據(jù)集準(zhǔn)備
????????ADE20K數(shù)據(jù)集下載：
? ? ? ? 官網(wǎng)下載：ADE20K dataset (mit.edu)，這里的訓(xùn)練測試只用到?ADEChallengeData2016?數(shù)據(jù)集（MIT Scene Parsing Challenge 2016）就可以了。這里再附上百度網(wǎng)盤下載鏈接：鏈接：https://pan.baidu.com/s/1VWVzoeIgzDbFgo_RXcQ_Mw?pwd=mv4j?提取碼：mv4j
? ? ? ? 關(guān)于數(shù)據(jù)集的介紹請看官網(wǎng)，下面的訓(xùn)練和測試都是基于ADEChallengeData2016進(jìn)行。
4、測試（test.py部分）
? ? ? ? 將數(shù)據(jù)集上傳到Linux系統(tǒng)，官方代碼默認(rèn)讀取路徑是 ./segmentation/data/ADEChallenge Data2016/... ，如果不想改代碼的話，就在 ./segmentation 文件夾下新建一個(gè) data 文件夾，然后把ADEChallengeData2016數(shù)據(jù)集加載到data文件夾下。數(shù)據(jù)集組織格式如下（官方代碼默認(rèn)）：
---------------
|
|--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
| | |--……
| |????????若數(shù)據(jù)集放于其它路徑下，則需要通過修改代碼來進(jìn)行數(shù)據(jù)集的讀取，這里有兩種解決辦法：
? ? ? ? 方法一：修改test.py文件代碼。
? ? ? ? 找到讀取數(shù)據(jù)集的代碼行：
dataset = build_dataset(cfg.data.test) #建立數(shù)據(jù)集? ? ? ? 在該代碼行前一行添加代碼：
cfg.data.test['data_root'] = 'E:/data/ADE20K/ADEChallengeData2016' #通過這個(gè)命令行改變測試集的位置，添加你的測試集路徑
dataset = build_dataset(cfg.data.test) #建立數(shù)據(jù)集? ? ? ? 這樣修改之后，代碼就會跟據(jù)你指明的路徑讀取數(shù)據(jù)，數(shù)據(jù)集的組織形式依舊如上面代碼塊所示。若更改組織形式，則需要指明圖片所在路徑和標(biāo)注文件所在路徑，如下面代碼所示：
cfg.data.test['data_root'] = 'E:/data/ADE20K/ADEChallengeData2016' #通過這個(gè)命令行改變測試集的位置，添加你的測試集路徑
cfg.data.test['img_dir'] = 'val/Images' #指向圖片文件的路徑，圖片文件的完整路徑為：cfg.data.test['data_root'] + cfg.data.test['img_dir']
cfg.data.test['ann_dir'] = 'val/Masks' #指向標(biāo)注文件的路徑，標(biāo)注文件的完整路徑為：cfg.data.test['data_root'] + cfg.data.test['ann_dir']
dataset = build_dataset(cfg.data.test) #建立數(shù)據(jù)集? ? ? ?
????????方法二：通過修改數(shù)據(jù)讀取的底層文件實(shí)現(xiàn)，參考：(64條消息) mmsegmentation教程1:自定義數(shù)據(jù)集、config文件修改、訓(xùn)練教程_AESA相控陣的博客-CSDN博客
? ? ? ? 模型參數(shù)（.pth文件）下載：GitHub - OpenGVLab/InternImage: [CVPR 2023 Highlight] InternImage: Exploring Large-Scale Vision Foundation Models with Deformable Convolutions
? ? ? ? 跟據(jù)你的模型需要，下載ckpt的鏈接文件并保存到你的文件中（即下文代碼的[your_wei ght_path]）。
? ? ? ? 做到以上準(zhǔn)備之后，運(yùn)行以下代碼就可以查看模型在ADE20K數(shù)據(jù)集上的測試結(jié)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、訓(xùn)練（train.py部分）
? ? ? ? 與第4部分類似，需要準(zhǔn)備數(shù)據(jù)集和修改數(shù)據(jù)讀取代碼，模型訓(xùn)練不需要下載模型參數(shù)文件。準(zhǔn)備好數(shù)據(jù)集和修改數(shù)據(jù)讀取代碼之后，運(yùn)行以下代碼（README.md）。
sh dist_train.sh configs/ade20k/upernet_internimage_t_512_160k_ade20k.py 8????????可能會出現(xiàn)報(bào)錯(cuò)，原因是 sh 命令被版本舍棄了（具體原因自己網(wǎng)上搜索）？將 sh 命令換為 bash 命令就可以了，即：文章來源：http://www.zghlxwxcb.cn/news/detail-624663.html
bash dist_train.sh configs/ade20k/upernet_internimage_t_512_160k_ade20k.py 8????????文章來源地址http://www.zghlxwxcb.cn/news/detail-624663.html
到了這里，關(guān)于InternImage segmentation部分代碼復(fù)現(xiàn)及訓(xùn)練自己的數(shù)據(jù)集（一）的文章就介紹完了。如果您還想了解更多內(nèi)容，請?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！
