pointnet.pytorch环境配置与学习 —— 深度学习(六)

pointnet.pytorch环境配置与学习 —— 深度学习(六) 愚人陆陆 2023-07-22 09:54:51 541

前言
本机:RTX3070 cuda-11.0
python环境:pytorch-1.7.0,python=3.7
作者github:https://github.com/fxia22/pointnet.pytorch
作者论文:https://arxiv.org/abs/1612.00593

shapenet数据集
官网地址:ShapeNet,是斯坦福大学发布的

ShapeNet 由几个子集组成:

ShapeNetCore

ShapeNetCore 是完整 ShapeNet 数据集的子集,具有单个干净的 3D 模型和手动验证的类别和对齐注释。 它涵盖了 55 个常见的对象类别和大约 51,300 个独特的 3D 模型。 流行的计算机视觉 3D 基准数据集 PASCAL 3D+ 的 12 个对象类别都被 ShapeNetCore 覆盖。

ShapeNetSem

ShapeNetSem 是一个更小、注释更密集的子集,由 12,000 个模型组成,分布在更广泛的 270 个类别中。 除了手动验证的类别标签和一致的对齐方式之外,这些模型还标注了真实世界的尺寸、类别级别的材料成分估计以及总体积和重量的估计。

博文:https://blog.csdn.net/SGL_LGS/article/details/105897585 ,统计了改数据集里面部分数据的特性。

1 配置环境

1.1 配置Python环境与安装pytorch

我这里用的是yolov5环境:yolov5环境配置及使用 —— 深度学习(三)
官网github在pytorch-1.0上测试过,我这里用的是1.7.0

1.2 安装pointnet及其他包与下载数据

git clone https://github.com/fxia22/pointnet.pytorch
cd pointnet.pytorch
pip install -e .

这里会安装一些python包
下面安装可视化工具

cd script
bash build.sh #build C++ code for visualization

下面是下载数据集:shapenetcore_partanno_segmentation_benchmark_v0

bash download.sh #download dataset</span>

2 默认训练

2.1 分类训练train_classification

2.1.1 直接训练
用1.2下载的数据

cd utils
python train_classification.py --dataset /home/meng/deeplearning/pointnet.pytorch/shapenetcore_partanno_segmentation_benchmark_v0/ --nepoch=5 --dataset_type shapenet

执行时终端打印如下:

会报错一个warning: Detected call of lr\_scheduler.step() before optimizer.step()

/home/meng/anaconda3/envs/yolov5py37/lib/python3.7/site-packages/torch/optim/lr_scheduler.py:136: UserWarning: Detected call of `lr_scheduler.step()` before `optimizer.step()`. In PyTorch 1.1.0 and later, you should call them in the opposite order: `optimizer.step()` before `lr_scheduler.step()`. Failure to do this will result in PyTorch skipping the first value of the learning rate schedule. See more details at https://pytorch.org/docs/stable/optim.html#how-to-adjust-learning-rate

"https://pytorch.org/docs/stable/optim.html#how-to-adjust-learning-rate", UserWarning)

准确率为:0.9589

2.1.2Detected call of lr\_scheduler.step() before optimizer.step()
针对2.1出现的报警,修改train_classification.py文件,将scheduler.step()放在内部for循环的后面。(将上面的scheduler.step()注释掉,在一个epoch结束加上scheduler.step())

再次训练,报警消失

最终准确率变为0.930758,降低了?

再训一次:0.94224

再训一次:

把上面对train_classification.py的修改改回去(有warning就有吧。。。)

再训一次:最终准确率为0.937,和前面一次差不多(要是这样的话,改不改作者代码都没关系)

2.1.3 训练得到的文件在:

2.2 分割训练train_segmentation.py

python train_segmentation.py --dataset /home/meng/deeplearning/pointnet.pytorch/shapenetcore_partanno_segmentation_benchmark_v0/ --nepoch=5 

        mIOU for class chair:0.828257

训练结果:

3 检测

3.1 show_seg.py展示分割效果

命令语句参考:Issues · fxia22/pointnet.pytorch · GitHub

结合show_seg.py文件:

python show_seg.py --model /home/meng/deeplearning/pointnet.pytorch/utils/seg/seg_model_Chair_4.pth --dataset /home/meng/deeplearning/pointnet.pytorch/shapenetcore_partanno_segmentation_benchmark_v0/ --class_choice 'Chair' --idx 1  

终端打印:


3.1.1 修改idx

修改idx,出来的模型略有不同,这是因为该class_choice在数据集内的模型有多个


python show_seg.py --model /home/meng/deeplearning/pointnet.pytorch/utils/seg/seg_model_Chair_4.pth --dataset /home/meng/deeplearning/pointnet.pytorch/shapenetcore_partanno_segmentation_benchmark_v0/ --class_choice 'Chair' --idx 1  

idx=1

idx=13

下面这图为idx=3时的,

idx=700

3.1.2 修改 --class_choice

修改为Airplane,运行下面的命令:


python show_seg.py --model /home/meng/deeplearning/pointnet.pytorch/utils/seg/seg_model_Chair_4.pth --dataset /home/meng/deeplearning/pointnet.pytorch/shapenetcore_partanno_segmentation_benchmark_v0/ --class_choice 'Ailplane' --idx 1

修改为Motorbike

3.2 show_clc.py展示分类效果

修改show_cls.py文件中关于数据集目录的部分,如下:

test_dataset = ShapeNetDataset(
root='../shapenetcore_partanno_segmentation_benchmark_v0',
# root='shapenetcore_partanno_segmentation_benchmark_v0',
split='test',
classification=True,
npoints=opt.num_points,
data_augmentation=False)

参考:

运行程序,模型地址见2.1.3

python show_cls.py --model /home/meng/deeplearning/pointnet.pytorch/utils/cls/cls_model_4.pth --num_points 2500  

只在终端打印准确率accuracy信息,没有图像

声明:本文内容由易百纳平台入驻作者撰写,文章观点仅代表作者本人,不代表易百纳立场。如有内容侵权或者其他问题,请联系本站进行删除。
红包 点赞 收藏 评论 打赏
评论
0个
内容存在敏感词
手气红包
    易百纳技术社区暂无数据
相关专栏
置顶时间设置
结束时间
删除原因
  • 广告/SPAM
  • 恶意灌水
  • 违规内容
  • 文不对题
  • 重复发帖
打赏作者
易百纳技术社区
愚人陆陆
您的支持将鼓励我继续创作!
打赏金额:
¥1易百纳技术社区
¥5易百纳技术社区
¥10易百纳技术社区
¥50易百纳技术社区
¥100易百纳技术社区
支付方式:
微信支付
支付宝支付
易百纳技术社区微信支付
易百纳技术社区
打赏成功!

感谢您的打赏,如若您也想被打赏,可前往 发表专栏 哦~

举报反馈

举报类型

  • 内容涉黄/赌/毒
  • 内容侵权/抄袭
  • 政治相关
  • 涉嫌广告
  • 侮辱谩骂
  • 其他

详细说明

审核成功

发布时间设置
发布时间:
是否关联周任务-专栏模块

审核失败

失败原因
备注
拼手气红包 红包规则
祝福语
恭喜发财,大吉大利!
红包金额
红包最小金额不能低于5元
红包数量
红包数量范围10~50个
余额支付
当前余额:
可前往问答、专栏板块获取收益 去获取
取 消 确 定

小包子的红包

恭喜发财,大吉大利

已领取20/40,共1.6元 红包规则

    易百纳技术社区