程序员经验分享-hwhale

Point-GNN README批注

2023-11-06


  本文件在原作者基础上进行修改并添加了一些说明，以更适合初学者阅读。

Point-GNN

  This repository contains a reference implementation of our Point-GNN: Graph Neural Network for 3D Object Detection in a Point Cloud, CVPR 2020.

  If you find this code useful in your research, please consider citing our work:

@InProceedings{Point-GNN,
author = {Shi, Weijing and Rajkumar, Ragunathan (Raj)},
title = {Point-GNN: Graph Neural Network for 3D Object Detection in a Point Cloud},
booktitle = {The IEEE Conference on Computer Vision and Pattern Recognition (CVPR)},
month = {June},
year = {2020}
}

1. Getting Started

1.1 Prerequisites

  We use Tensorflow 1.15 for this implementation. Please install CUDA if you want GPU support.

pip3 install --user tensorflow-gpu==1.15.0

To install other dependencies:

pip3 install --user opencv-python
pip3 install --user open3d-python==0.7.0.0
pip3 install --user scikit-learn
pip3 install --user tqdm
pip3 install --user shapely

1.2 KITTI Dataset

  We use the KITTI 3D Object Detection dataset. Please download the dataset from the KITTI website and also download the 3DOP/Mono3D/MV3D KITTI train/val split here. We provide extra split files for seperated classes in splits/. We recommand the following file structure:

DATASET_ROOT_DIR
├── image                    #  Left color images
│   ├── training
│   │   └── image_2            
│   └── testing
│   │   └── image_2 
├── velodyne                 # Velodyne point cloud files
│   ├── training
│   │   └── velodyne            
│   └── testing
│   │   └── velodyne 
├── calib                    # Calibration files
│   ├── training
│   │   └──calib            
│   └── testing
│   │   └── calib 
├── labels                   # Training labels
│   └── training
│   │   └── label_2
└── 3DOP_splits              # split files.
       ├── train.txt
       ├── train_car.txt
       └── ...

注：
  3DOP/Mono3D/MV3D KITTI train/val split下载下来里面一共四个文件：

  1. test.txt中包含KITTI中所有的test文件名7518个
  2. trainval.txt中包含KITTI所有的train文件名，是train.txt+val.txt并集共7481个
  3. train.txt中包含KITTI train中挑选的一些文件名作为训练集共3712个
  4. val.txt中包含KITTI train中挑选的一些文件名作为验证集共3769个

  3DOP_splits中的.txt文件中存储了实际在训练中或者测试中使用的文件名称，也就是KITTI原始的文件不是直接被利用，是经过重新划分之后再使用的。
  工程中splits/路径下有四个文件， train_car.txt和train_pedestrian_cyclist.txt互相包含对方没有的文件名，即他俩不是子集关系，同理trainval_car.txt与trainval_pedestrian_cyclist.txt也不是子集关系：

  1. train_car.txt包含3260个文件名称，区间在[0, 7479]，是3DOP/Mono3D/MV3D KITTI train/val split中train.txt的子集占其87.82%，占KITTI train集的43.58%，是trainval_car.txt的子集；
  2. train_pedestrian_cyclist.txt包含1210个文件名称，区间在[0, 7476]，是3DOP/Mono3D/MV3D KITTI train/val split中train.txt的子集占其32.60%，占KITTI train集的16.17%，是trainval_pedestrian_cyclist.txt的子集；
  3. trainval_car.txt包含6684个文件名称，区间在[1, 7480]，是3DOP/Mono3D/MV3D KITTI train/val split中trainval.txt的子集占其89.35%，占KITTI train集的89.35%；
  4. trainval_pedestrian_cyclist.txt包含2486个文件名称，区间在[0, 7480]，是3DOP/Mono3D/MV3D KITTI train/val split中trainval.txt的子集占其33.23%，是将其中包含Pedestrian或Cyclist关键字的文件名提取出来得到的，占KITTI train集的33.23%；
      KITTI数据集官网在中国大陆可能已经无法访问，即便使用一般的虚拟专用网络也访问不了，但是可以尝试在手机上使用虚拟专用网络进行访问或者PC使用全局虚拟专用网络模式进行访问。然后拷贝对应文件链接所在地址，并将地址使用下载工具进行下载（如：迅雷，支持断点序传）

1.3 Download Point-GNN

Clone the repository recursively:

git clone https://github.com/WeijingShi/Point-GNN.git --recursive

2. Inference

2.1 Run a checkpoint

本工程自带了已经预先训练的神经网络检查点（checkpoint），您可以用它分别在验证集和测试集上进行验证并输出结果数据。
Test on the validation split:

python3 run.py checkpoints/car_auto_T3_train/ --dataset_root_dir DATASET_ROOT_DIR --output_dir DIR_TO_SAVE_RESULTS

Test on the test dataset:

python3 run.py checkpoints/car_auto_T3_trainval/ --test --dataset_root_dir DATASET_ROOT_DIR --output_dir DIR_TO_SAVE_RESULTS

usage: run.py [-h] [-l LEVEL] [--test] [--no-box-merge] [--no-box-score]
              [--dataset_root_dir DATASET_ROOT_DIR]
              [--dataset_split_file DATASET_SPLIT_FILE]
              [--output_dir OUTPUT_DIR]
              checkpoint_path

Point-GNN inference on KITTI

positional arguments:
  checkpoint_path       Path to checkpoint

optional arguments:
  -h, --help            show this help message and exit
  -l LEVEL, --level LEVEL
                        Visualization level, 0 to disable,1 to nonblocking
                        visualization, 2 to block.Default=0
  --test                Enable test model
  --no-box-merge        Disable box merge.
  --no-box-score        Disable box score.
  --dataset_root_dir DATASET_ROOT_DIR
                        Path to KITTI dataset. Default="../dataset/kitti/"
  --dataset_split_file DATASET_SPLIT_FILE
                        Path to KITTI dataset split
                        file.Default="DATASET_ROOT_DIR/3DOP_splits/val.txt"
  --output_dir OUTPUT_DIR
                        Path to save the detection
                        resultsDefault="CHECKPOINT_PATH/eval/"

注：
  DATASET_ROOT_DIR是指的本地KITTI的数据路径，直接将对应的文件夹托入终端中替换该字段即可；DIR_TO_SAVE_RESULTS指本地将要存放结果的文件夹路径，托入希望存入的文件夹即可。
  另外，如果希望可视化识别结果需要使用关键字--level，如其help打印信息所示：

  1. 0-不使能可视化，
  2. 1-非阻塞模式可视化（连续显示帧序列的识别结果），
  3. 2-阻塞模式（每识别一帧都将停下等待操作）。若设置为1则需在第一帧显示的点云画面上拖动鼠标调整号视角，然后按q，则设置好了观察视角，程序将会可视化点云序列。

例如：以上文件指令在本地计算机器上，并且设置非阻塞可视化，可以使用如下指令代替：

python3 run.py checkpoints/car_auto_T3_train/ --dataset_root_dir '/media/bit202/TOSHIBA EXT/数据集/KITTI/object' --output_dir '/media/bit202/TOSHIBA EXT/数据集/KITTI' --level 1

或者

python3 run.py checkpoints/car_auto_T3_trainval/ --test --dataset_root_dir '/media/bit202/TOSHIBA EXT/数据集/KITTI/object'  --output_dir '/media/bit202/TOSHIBA EXT/数据集/KITTI'  --level 1

另外，如果你的虚拟环境中没有python 2，则上述指令如果使用python3开头的话有可能会报错找不到模块，此时换为python开头即可。

2.2 Performance

上一步生成了结果数据，这一步可以使用kitti_native_evaluation进行本地评估，评估标准与KITTI官方评估标准相同。
Install kitti_native_evaluation offline evaluation:

cd kitti_native_evaluation
cmake ./
make

但是由于KITTI只给出了训练集的标注信息，没给出测试集（官方评估用，不对公众开放）训练信息，所以只能在从训练集分出的验证集上进行评估，Evaluate output results on the validation split:

evaluate_object_offline DATASET_ROOT_DIR/labels/training/label_2/ DIR_TO_SAVE_RESULTS

注：
  kitti_native_evaluation是一个第三方开源库，用于本地评估神经网络的在KITTI数据集上的表现，该指令使用时，路径中的空格需要使用转义符号“\”，如下所示

./evaluate_object_offline '/media/bit202/TOSHIBA\ EXT/数据集/KITTI/object/labels/training/label_2' '/media/bit202/TOSHIBA\ EXT/数据集/KITTI/包含data'

3. Training

  We put training parameters in a train_config file. To start training, we need both the train_config and config.
注：
  train_config和config的写法是简写，例如：car_auto_T2_train_train_config和car_auto_T3_train_config两个文件就是car_auto_T3_train的train_config和config文件。

usage: train.py [-h] [--dataset_root_dir DATASET_ROOT_DIR]
                [--dataset_split_file DATASET_SPLIT_FILE]
                train_config_path config_path

Training of PointGNN

positional arguments:
  train_config_path     Path to train_config
  config_path           Path to config

optional arguments:
  -h, --help            show this help message and exit
  --dataset_root_dir DATASET_ROOT_DIR
                        Path to KITTI dataset. Default="../dataset/kitti/"
  --dataset_split_file DATASET_SPLIT_FILE
                        Path to KITTI dataset split file.Default="DATASET_ROOT
                        _DIR/3DOP_splits/train_config["train_dataset"]"

For example:

python3 train.py configs/car_auto_T3_train_train_config configs/car_auto_T3_train_config

注：
  按照train.py的帮助文件描述，若路径不是默认路径，我们还需指定–dataset_root_dir和–dataset_split_file两个字段的路径。另外需要注意打印的帮助信息中DATASET_SPLIT_FILE的默认路径没有更新，git下来的工程中文件存放在“splits/train_car.txt”中。故在本地计算机上可以使用下面指令运行

python3 train.py --dataset_root_dir '/media/bit202/TOSHIBA EXT/数据集/KITTI/object' --dataset_split_file '/home/bit202/Programs/Point-GNN/splits/train_car.txt'  configs/car_auto_T3_train_train_config configs/car_auto_T3_train_config

  We strongly recommand readers to view the train_config before starting the training.
  Some common parameters which you might want to change first:

train_dir     The directory where checkpoints and logs are stored.
train_dataset The dataset split file for training. 
NUM_GPU       The number of GPUs to use. We used two GPUs for the reference model. 
              If you want to use a single GPU, you might also need to reduce the batch size by half to save GPU memory.
              Similarly, you might want to increase the batch size if you want to utilize more GPUs. 
              Check the train.py for details.

  We also provide an evaluation script to evaluate the checkpoints periodically. For example:

python3 eval.py configs/car_auto_T3_train_eval_config

注：
  此处同样由于数据集不在默认路径，故需要指定数据集，可以使用如下指令。同时此程序按照作者原配置每60秒检查一次模型是否更新，故其使用方法是在train.py运行过程中，同时运行此程序，作用是对train.py过程中保存的每个模型进行验证集的验证并生成一个验证TensorBoard文件。

python3 eval.py --dataset_root_dir '/media/bit202/TOSHIBA EXT/数据集/KITTI/object' configs/car_auto_T3_train_eval_config

You can use tensorboard to view the training and evaluation status.

tensorboard --logdir=./train_dir

注：
  “logdir”是指tensorflow的tfevents存储路径，如需使用，该路径默认位置为工程下的“checkpoints”文件夹上，例如可以使用如下指令，且不可将文件夹拖拽进入终端，因为该指令不能识别“'”符号。

tensorboard --logdir=./checkpoints/car_auto_T3_train

4. License

  This project is licensed under the MIT License - see the LICENSE file for details

5. 工程中文件夹

Point-GNN
├── configs					#存储train.py, run.py和eval.py所需要的配置信息，使用json格式书写，
│   ├── *_config			#存储了MLP的配置参数等
│   ├── *_train_config		#存储了环境的相关配置，如GPU等
│   ├── *_trainval_config	#存储了MLP的配置参数等
│   └── *_eval_config		#应该是评估函数eval.py的配置信息
├── dataset					#
│   └── kitti_dataset.py	#数据集处理函数程序
├── models					#GNN模型的相关程序
│   ├── preprocess.py		#1.前处理函数，增强附加信息s
│   └── crop_aug.py			#2.调用1中的函数，进行数据增强（Data Augmentation）
├── util
│   └── config_util.py		#处理配置文件的相关函数，调用json库处理
│

注：
json快速入门参考此视频，几乎够用了。

6. 术语解释

BatchSize：一次训练迭代所选取的样本数；
loss weights：损失权重，用来计算损失函数总的loss的权重；
SGD：随机梯度下降；
learning rate decay：学习率衰减；
stair-case learning-rate decay：阶梯式学习率衰减；
Ablation Study：消融实验；
KITTI Easy, Moderate, Hard：根据目标像素、遮挡和截断情况进行的难易等级分类；

本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)

Ubuntu

激光雷达

点云

GNN

PointGNN

Point-GNN README批注 的相关文章

随机推荐

  • 使用LFM（Latent factor model）隐语义模型进行Top-N推荐

    最近在拜读项亮博士的 推荐系统实践 系统的学习一下推荐系统的相关知识 今天学习了其中的隐语义模型在Top N推荐中的应用 在此做一个总结 隐语义模型LFM和LSI LDA Topic Model其实都属于隐含语义分析技术 是一类概念 他们在

  • Windows 下如何安装配置Snort视频教程

    Windows 下如何安装配置Snort视频教程 第一步 http www tudou com programs view UUbIQCng360 第二部 http www tudou com programs view NqcPETQk2

  • 【算法】算法学习三：递归算法 & 栈

    文章目录 一 递归的含义 二 基线条件和递归条件 三 栈 3 1 什么是栈 3 2 调用栈 3 3 递归调用栈 一 递归的含义 递归算法是一种解决问题的方法 其中函数在执行过程中调用自身 它通过将一个大问题拆分成一个或多个相似的子问题 并逐

  • 数据倾斜2

    数据倾斜的原因和解决方案 MapReduce简介 MapReduce是面向大数据并行处理的计算模型 框架和平台 它隐含了以下三层含义 1 MapReduce是一个基于集群的高性能并行计算平台 Cluster Infrastructure 它

  • 文件上传到Linux服务器常用方法

    本文介绍几种常见的方法 把文件上传到Linux服务器中 常见有使用 scp命令 xshell软件里的xftp程序 U盘挂载 服务器自带的lrzsz程序 一 scp使用说明 1 把本机的文件传给目的服务器 linux linux scp ge

  • 修改Windows的git bash的主题（样式）

    背景 Windows的git bash页面默认是黑白的 如何改成别的颜色 PS 我一直不太喜欢黑色主题的软件 有几个原因 大多软件是白色的 看久了黑色切换到其他软件的时候眼睛不适应 字体等对比不强 我真的不知道为啥这么多人喜欢IDEA黑色主

  • 数组类型方法

    数组类型方法 1 concat 创建一个新数组 将array与任何数组 或 值连接在一起 let arr 1 2 3 4 let arr2 9 let arr3 arr concat arr2 console log arr3 1 2 3

  • jQuery操作类样式(增加、移除、判断)

    一 增加和移除一个或多个类样式的方法 1 增加一个类样式的方法 1 当前需要增加样式的元素 addClass cls 注意在addClass方法中类样式的名字前面没有点 2 增加多个类样式的方法 1 第一种写法 当前需要增加样式的元素 ad

  • 最新Landsat数据下载教程

    目前 国内下载Landsat数据可以通过USGS网站或者地理空间数据云下载 由于USGS对Landsat数据进行了修改 地理空间数据云目前只存储有2017年5月之前的数据 本文只介绍从USGS网站下载Landsat数据 USGS有两个网站可

  • mysql: using the Connector/J connection property ‘autoReconnect=true‘ to avoid this problem

    报错信息 com mysql cj jdbc exceptions CommunicationsException The last packet successfully received from the server was 1 12

  • 怎么使用Web Workers提升性能？

    一 概述 Web Workers 使得一个Web应用程序可以在与主执行线程分离的后台线程中运行一个脚本操作 这样做的好处是可以在一个单独的线程中执行费时的处理任务 从而允许主 通常是UI 线程运行而不被阻塞 它的作用就是给JS创造多线程运行

  • samba linux命令,Linux下的samba命令技巧

    昨天想DX学习了的Linux命令 当我想独占服务器上的A文件上 发现已经有用户正在使用 可以打下如下命令 smbstatus grep DEF M 显示如下 albert koidemrp smbstatus grep DEF M PID

  • centos使用sh脚本启动jar包

    centos使用sh脚本启动jar包 1 可以在windows上编辑好 上传至服务器 也可以在centos中直接新建文件 文件以 sh命名 例如 demo sh abc sh bin bash name jar包启动脚本 jar包所在位置

  • 【C++】—— 多态

    目录 一 多态的概念 二 多态的定义及实现 1 多态的构成条件 2 虚函数 3 虚函数的重写 4 虚函数重写的两个例外 1 协变 2 析构函数的重写 5 C 11 override和final 6 重载 覆盖 重写 隐藏 重定义 的对比 三

  • 开箱即用IO流实现文件分块合并

    文章目录 一 文件分块 二 文件合并 断点上传文件的前置知识 用io流实现文件分块与合并 一 文件分块 文件分块 param sourceFile 源文件 param targetDir 分块文件存放目录 public static voi

  • python画圣诞树代码-python圣诞树代码

    python圣诞树代码 1 简单的绘制圣诞树 新建tree1 py或者直接输入下面代码运行 声明树的高度 height 5 树的雪花数 初始为1 stars 1 以数的高度作为循环次数 for i in range height print

  • 别再自己抠图了，Python用5行代码实现批量抠图

    前言 对于会PhotoShop的人来说 抠图是非常简单的操作了 有时候几秒钟就能扣好一张图 不过一些比较复杂的图 有时候还是要画点时间的 今天就给大家带了一个非常快速简单的办法 用Python来批量抠取人像 效果展示 开始吧 我也不看好什么

  • 电感boost计算

    计算IL方式一 上例中已知最大负载电流为Iout 2A 也可以使用能量守恒来计算输入电流 即IL 比如我们算boost转换效率为 90 可以列出式子 Vin Iin Vout Iout 可以知道 Iin 4 0 9 A 方式二 上面这种计算

  • 7-6 素因子分解（20 分）

    7 6 素因子分解 20 分 给定某个正整数 N 求其素因子分解结果 即给出其因式分解表达式 N p 1 k 1 p 2 k 2 p m k m 输入格式 输入long int范围内的正整数 N 输出格式 按给定格式输出N的素因式分解表达式

  • Point-GNN README批注

    Point GNN README批注 Point GNN 1 Getting Started 1 1 Prerequisites 1 2 KITTI Dataset 1 3 Download Point GNN 2 Inference 2

热门标签