MMDetection3D中PointPillars模型FLOPs计算问题解析
2025-06-06 03:29:26作者:昌雅子Ethen
问题背景
在MMDetection3D项目中,用户在使用get_flops.py工具计算PointPillars模型的浮点运算量(FLOPs)时遇到了错误。该工具在分析PointPillars模型时抛出"_forward() takes 1 positional argument but 3 were given"的错误,表明函数参数传递存在问题。
错误原因分析
通过深入分析,我们发现问题的根源在于MMDetection3D框架中get_flops.py工具与PointPillars模型前向传播函数的不兼容性。具体表现为:
- get_flops.py工具在计算FLOPs时会调用模型的_forward()方法
- 但PointPillars模型(特别是MVXFasterRCNN检测器)的_forward()方法实现不完整
- 参数传递方式与工具预期不符,导致参数数量不匹配的错误
解决方案
针对Nuscenes数据集上的PointPillars模型(MVXFasterRCNN检测器),我们提供了以下解决方案:
1. 修改MVXTwoStage检测器代码
需要在mmdet3d/models/detectors/mvx_two_stage.py文件中进行以下修改:
首先添加必要的导入:
from torch.nn import functional as F
from mmcv.ops import Voxelization
然后在__init__()方法中初始化体素化层:
self.voxel_layer = Voxelization(
voxel_size=[0.2, 0.2, 8],
point_cloud_range=[-51.2, -51.2, -5.0, 51.2, 51.2, 3.0],
max_num_points=20
)
2. 实现_forward()方法
添加完整的_forward()方法实现:
def _forward(self,
batch_inputs_dict: dict,
points: Optional[List[Tensor]] = None,
img_feats: Optional[Sequence[Tensor]] = None,
batch_input_metas: Optional[List[dict]] = None
) -> Sequence[Tensor]:
voxels, num_points, coors = self.voxelize(batch_inputs_dict)
voxel_features = self.pts_voxel_encoder(voxels,
num_points,
coors,
img_feats,
batch_input_metas)
batch_size = coors[-1, 0] + 1
x = self.pts_middle_encoder(voxel_features, coors,
batch_size)
x = self.pts_backbone(x)
if self.with_pts_neck:
x = self.pts_neck(x)
return x
3. 实现voxelize()方法
添加体素化辅助方法:
@torch.no_grad()
def voxelize(self, points):
"""应用硬体素化到点云数据"""
voxels, coors, num_points = [], [], []
for res in points:
res_voxels, res_coors, res_num_points = self.voxel_layer(res)
voxels.append(res_voxels)
coors.append(res_coors)
num_points.append(res_num_points)
voxels = torch.cat(voxels, dim=0)
num_points = torch.cat(num_points, dim=0)
coors_batch = []
for i, coor in enumerate(coors):
coor_pad = F.pad(coor, (1, 0), mode='constant', value=i)
coors_batch.append(coor_pad)
coors_batch = torch.cat(coors_batch, dim=0)
return voxels, num_points, coors_batch
注意事项
- 上述解决方案专门针对Nuscenes数据集上的PointPillars模型(MVXFasterRCNN检测器)
- 对于KITTI数据集上的PointPillars模型,需要修改voxelnet.py文件中的相应实现
- 体素化参数(voxel_size, point_cloud_range等)应根据实际数据集配置进行调整
技术原理
PointPillars是一种基于点云的3D目标检测方法,其核心思想是将点云数据转换为柱状体素(pillars)表示,然后使用2D卷积网络进行处理。计算其FLOPs需要完整模拟前向传播过程,包括:
- 点云体素化处理
- 特征编码
- 中间特征处理
- 主干网络计算
- 颈部网络处理
通过上述修改,我们确保了FLOPs计算工具能够正确捕获模型的所有计算操作,从而得到准确的浮点运算量评估。
总结
本文详细分析了MMDetection3D中PointPillars模型FLOPs计算问题的原因,并提供了完整的解决方案。理解这一问题的解决过程不仅有助于正确计算模型复杂度,也为深入理解PointPillars模型的计算流程提供了参考。开发者可以根据实际需求调整体素化参数,以适应不同的数据集和任务需求。
登录后查看全文
热门项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~054CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。07GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0378- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
179
263

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
869
514

openGauss kernel ~ openGauss is an open source relational database management system
C++
130
183

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
328
377

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
333
1.09 K

harmony-utils 一款功能丰富且极易上手的HarmonyOS工具库,借助众多实用工具类,致力于助力开发者迅速构建鸿蒙应用。其封装的工具涵盖了APP、设备、屏幕、授权、通知、线程间通信、弹框、吐司、生物认证、用户首选项、拍照、相册、扫码、文件、日志,异常捕获、字符、字符串、数字、集合、日期、随机、base64、加密、解密、JSON等一系列的功能和操作,能够满足各种不同的开发需求。
ArkTS
28
0

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.08 K
0

deepin linux kernel
C
22
5

微信开发 Java SDK,支持微信支付、开放平台、公众号、视频号、企业微信、小程序等的后端开发,记得关注公众号及时接受版本更新信息,以及加入微信群进行深入讨论
Java
829
22

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
601
58