GDRNPP_BOP2022 项目使用教程

1. 项目目录结构及介绍

gdrnpp_bop2022/
├── configs/          # 配置文件目录
├── core/             # 核心代码目录
├── det/              # 检测相关代码目录
├── docs/             # 文档目录
├── lib/              # 库文件目录
├── ref/              # 参考代码目录
├── requirements/     # 依赖文件目录
├── scripts/          # 脚本目录
├── tools/            # 工具目录
├── .gitignore        # Git忽略文件配置
├── LICENSE           # 项目许可证
├── README.md         # 项目说明文件
└── bop_renderer/     # BOP渲染器目录

目录介绍

• configs/: 存放项目的配置文件，包括训练和测试的配置参数。
• core/: 存放项目核心代码，包括模型训练和测试的实现。
• det/: 存放检测相关的代码，主要用于目标检测。
• docs/: 存放项目的文档文件，包括使用说明和API文档。
• lib/: 存放项目依赖的库文件。
• ref/: 存放参考代码和实现。
• requirements/: 存放项目的依赖文件，包括Python依赖包。
• scripts/: 存放项目的脚本文件，包括安装依赖、编译扩展等脚本。
• tools/: 存放项目的工具文件，包括数据处理和模型评估工具。
• .gitignore: Git忽略文件配置，指定哪些文件或目录不需要被Git管理。
• LICENSE: 项目许可证文件，说明项目的开源许可协议。
• README.md: 项目说明文件，介绍项目的基本信息和使用方法。
• bop_renderer/: BOP渲染器目录，用于生成渲染图像。

2. 项目启动文件介绍

项目的启动文件主要位于 scripts/ 目录下，用于执行安装依赖、编译扩展、训练和测试等操作。以下是几个关键的启动文件：

• scripts/install_deps.sh: 用于安装项目所需的依赖包。
• scripts/compile_all.sh: 用于编译项目的C++扩展。
• core/gdrn_modeling/train_gdrn.sh: 用于启动模型训练。
• core/gdrn_modeling/test_gdrn.sh: 用于启动模型测试。

启动文件示例

# 安装依赖
sh scripts/install_deps.sh

# 编译C++扩展
sh scripts/compile_all.sh

# 启动训练
sh core/gdrn_modeling/train_gdrn.sh configs/gdrn/ycbv/convnext_a6_AugCosyAAEGray_BG05_mlL1_DMask_amodalClipBox_classAware_ycbv.py 0

# 启动测试
sh core/gdrn_modeling/test_gdrn.sh configs/gdrn/ycbv/convnext_a6_AugCosyAAEGray_BG05_mlL1_DMask_amodalClipBox_classAware_ycbv.py 0 output/gdrn/ycbv/convnext_a6_AugCosyAAEGray_BG05_mlL1_DMask_amodalClipBox_classAware_ycbv/model_final_wo_optim.pth

3. 项目的配置文件介绍

项目的配置文件主要位于 configs/ 目录下，用于配置训练和测试的参数。配置文件通常以 .py 或 .yaml 格式存在。

配置文件示例

# configs/gdrn/ycbv/convnext_a6_AugCosyAAEGray_BG05_mlL1_DMask_amodalClipBox_classAware_ycbv.py

# 数据集路径
DATASETS = {
    "train": ["ycbv_train"],
    "test": ["ycbv_test"]
}

# 模型配置
MODEL = {
    "BACKBONE": "convnext_a6",
    "MASK_HEAD": "amodalClipBox",
    "LOSS": "mlL1"
}

# 训练配置
TRAIN = {
    "BATCH_SIZE": 16,
    "LEARNING_RATE": 0.001,
    "EPOCHS": 100
}

# 测试配置
TEST = {
    "BATCH_SIZE": 8,
    "THRESHOLD": 0.5
}

配置文件说明

• DATASETS: 配置训练和测试使用的数据集。
• MODEL: 配置模型的架构和损失函数。
• TRAIN: 配置训练的批量大小、学习率和训练轮数。
• TEST: 配置测试的批量大小和阈值。

通过修改配置文件中的参数，可以调整模型的训练和测试行为。