Skip to content

Latest commit

 

History

History
105 lines (73 loc) · 2.63 KB

RIFusionreadme.md

File metadata and controls

105 lines (73 loc) · 2.63 KB

组内readme撰写规范

项目用途

RI-fusion项目仓库（基于BEV和点云的融合检测，可以加一张图片）

项目数据集

项目数据集简介

kitti 该数据集的场景信息: 包括行人，自行车和汽车、

组成部分（大约几个区域，多少帧）、

数据类型: BEV、点云

项目数据集地址

./data/kitti

项目中数据集地址的引用

写明在那些文件的什么地方用到了数据集，便于后续引用和修改

config/pointpillars/pointpillars_with_img.py 10

...

安装信息

###环境

  • Linux
  • Python 3.6+
  • PyTorch 1.3+
  • CUDA 9.2+ (如果你从源码编译 PyTorch, CUDA 9.0 也是兼容的。)
  • GCC 5+
  • MMCV
  • MMdetection3D

###安装步骤 Step 0.

conda create -n open-mmlab python=3.7 pytorch=1.9 cudatoolkit=11.0 torchvision -c pytorch -y
conda activate open-mmlab
pip3 install openmim
mim install mmcv-full
mim install mmdet
mim install mmsegmentation
git clone https://github.com/open-mmlab/mmdetection3d.git
cd mmdetection3d
pip3 install -e .

具体参考MMdetection3D网址

账户下没有安装 tree

训练测试

###训练

训练配置 显卡型号：3090

显卡数量：8

训练运行时间：7h

cd mmdetection3d

CUDA_VISIBLE_DEVICES=1,2,3,4,5,6,7,8 nohup tools/dist_train.sh configs/pointpillars/pointpillars_with_img.py 8 --work-dir ./works_dir/5.21_3dssd-RI_car_test>> ./out_dir/2022.5.21_3dssd-RI_car_test.out&

按规定格式命名输出文件

###测试

测试配置 显卡型号：3090

显卡数量：1

训练运行时间：0.3h

cd mmdetection3d
python tools/test.py  configs/pointpillars/pointpillars_with_img.py works_dir/5.12_/epoch_79.pth --format-only --eval-options 'pklfile_prefix=./test_result/RI-fusion' 'submission_prefix=./test_result/RI-fusion'

根据权重文件位置修改路径

##可视化 可以放一张已有图片进行参考 曹振强同学处获取

目前成果

Dataset benchmark Params(M) FLOPs(M) Download Config
KITTI model | log config
model | log config

注意事项

##引用

##作者联系方式（qq微信）