0.介绍

GroundingDINO是最新发布的zero-shot目标检测器，在多个数据集上取得了很好的结果。在该方法的基础上，本人修复该方法自动标注的bug，并增加VOC格式。

1.安装GroundingDINO

根据github提供的源码和说明，配置环境和下载权重文件。链接如下：

https://github.com/IDEA-Research/GroundingDINO

2.修改bug

直接运行:

python demo/create_coco_dataset.py

当图片中没有检测到目标时将会报错：

  File "/media/vv/detection/GroundingDINO/groundingdino/util/inference.py", line 84, in predict
    return boxes, logits.max(dim=1)[0], phrases

RuntimeError: cannot perform reduction function max on tensor with no elements because the operation does not have an identity

这是因为当没有检测到目标时，boxes的输出上tensor([ ])，但是logits和phrases上完全没有输出的，所以无法return回来。

我们对该代码进行简单修改，在83行后，将return替换：

    if len(logits) == 0:
        logits = []
        phrases = []
        return boxes, logits, phrases
    else:
        return boxes, logits.max(dim=1)[0], phrases

综上，我们就可以直接运行代码了。

3.增加VOC格式

将create_coco_dataset.py复制一份，命名为create_voc_dataset.py，将68行

    if export_dataset:
        dataset.export(
            'coco_dataset',
            dataset_type=fo.types.COCODetectionDataset,
        )

修改为：

    if export_dataset:
        dataset.export(
            'voc_dataset',
            dataset_type=fo.types.VOCDetectionDataset,
        )
        

4.注意事项

4.1超参数设置

 （1）源代码box_threshold设置为0.15，在生成数据集时有大量误报，建议设置为0.4以上

 （2） text_prompt设置的类别越多，检测效果会下降;

 （3）export_dataset默认上false，需要设置为true；

4.2数据清洗

该算法标注的数据集包括大量无目标标注数据，如果使用VOC格式，可以参考本人另一篇博客，删除无目标标注数据。

VOC格式数据集的图片和标注文件有效性检查