PolyFormer 项目使用教程
2024-09-13 19:22:26作者:羿妍玫Ivan
1. 项目介绍
PolyFormer 是一个统一模型,用于图像分割(多边形顶点序列)和引用表达理解(边界框角点)。该项目由亚马逊科学团队开发,旨在通过将图像分割和引用表达理解问题转化为序列到序列(seq2seq)预测问题,提供一种高效的解决方案。PolyFormer 在多个数据集上取得了最先进的结果,并且提供了一个回归解码器,用于精确的坐标预测,直接输出连续的2D坐标,避免了量化误差。
2. 项目快速启动
安装环境
首先,创建并激活一个 Conda 环境:
conda create -n polyformer python=3.7.4
conda activate polyformer
然后,安装项目依赖:
python -m pip install -r requirements.txt
如果遇到 fairseq
的导入错误,可以尝试以下命令:
python -m pip install pip==21.2.4
pip uninstall fairseq
pip install -r requirements.txt
数据准备
预训练数据
创建数据目录并下载数据:
mkdir datasets
mkdir datasets/images
mkdir datasets/annotations
下载 COCO 2014 训练图像、Flickr30K 图像、ReferItGame 图像和 Visual Genome 图像,并解压到 datasets/images
目录。下载预训练数据集的标注文件 instances.json
,并存储在 datasets/annotations
目录。
微调数据
按照 refer
目录中的说明设置子目录并下载标注文件。生成微调数据的 tsv 文件:
python data/create_finetuning_data.py
预训练
创建检查点目录并下载预训练权重:
mkdir pretrained_weights
下载 Swin-base、Swin-large 和 BERT-base 的预训练权重,并将其放入 pretrained_weights
目录。运行预训练脚本:
cd run_scripts/pretrain
bash pretrain_polyformer_b.sh # 预训练 PolyFormer-B 模型
bash pretrain_polyformer_l.sh # 预训练 PolyFormer-L 模型
微调
运行微调脚本:
cd run_scripts/finetune
bash train_polyformer_b.sh # 微调 PolyFormer-B 模型
bash train_polyformer_l.sh # 微调 PolyFormer-L 模型
确保在微调脚本中链接预训练权重路径到最佳预训练检查点。
评估
运行评估脚本:
cd run_scripts/evaluation
bash evaluate_polyformer_b_refcoco.sh # 评估 PolyFormer-B 模型
bash evaluate_polyformer_l_refcoco.sh # 评估 PolyFormer-L 模型
3. 应用案例和最佳实践
PolyFormer 可以应用于多种场景,包括但不限于:
- 图像分割:在医学影像分析中,PolyFormer 可以帮助医生更准确地分割病变区域。
- 引用表达理解:在智能助手和机器人导航中,PolyFormer 可以帮助系统理解用户的指令并执行相应的操作。
最佳实践包括:
- 数据预处理:确保输入数据的格式和质量,以提高模型的性能。
- 模型调优:根据具体应用场景调整模型参数,以达到最佳效果。
4. 典型生态项目
PolyFormer 作为一个开源项目,可以与其他计算机视觉和自然语言处理项目结合使用,例如:
- Fairseq:用于序列到序列模型的训练和评估。
- COCO API:用于处理和加载 COCO 数据集。
- Flickr30K:用于图像描述和引用表达理解的数据集。
这些项目可以与 PolyFormer 结合,构建更复杂的应用系统。
热门项目推荐
- CangjieCommunity为仓颉编程语言开发者打造活跃、开放、高质量的社区环境Markdown6690
- redis-sdk仓颉语言实现的Redis客户端SDK。已适配仓颉0.53.4 Beta版本。接口设计兼容jedis接口语义,支持RESP2和RESP3协议,支持发布订阅模式,支持哨兵模式和集群模式。Cangjie32226
- qwerty-learner为键盘工作者设计的单词记忆与英语肌肉记忆锻炼软件 / Words learning and English muscle memory training software designed for keyboard workersTypeScript15.77 K1.47 K
- Yi-CoderYi Coder 编程模型,小而强大的编程助手305
- advanced-javaAdvanced-Java是一个Java进阶教程,适合用于学习Java高级特性和编程技巧。特点:内容深入、实例丰富、适合进阶学习。JavaScript75.83 K19.04 K
- taro开放式跨端跨框架解决方案,支持使用 React/Vue/Nerv 等框架来开发微信/京东/百度/支付宝/字节跳动/ QQ 小程序/H5/React Native 等应用。 https://taro.zone/TypeScript35.51 K4.79 K
- CommunityCangjie-TPC(Third Party Components)仓颉编程语言三方库社区资源汇总252
- AanacondaAnaconda turns your Sublime Text 3 in a full featured Python development IDE including autocompletion, code linting, IDE features, autopep8 formating, McCabe complexity checker Vagrant and Docker support for Sublime Text 3 using Jedi, PyFlakes, pep8, MyPy, PyLint, pep257 and McCabe that will never freeze your Sublime Text 3Python2.22 K263
- Wwindows暂无简介Shell16.14 K1.35 K
- byzer-langByzer(以前的 MLSQL):一种用于数据管道、分析和人工智能的低代码开源编程语言。Scala1.88 K551
最新内容推荐
展开
项目优选
收起
CangjieCommunity
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
669
0
RuoYi-Vue
🎉 基于SpringBoot,Spring Security,JWT,Vue & Element 的前后端分离权限管理系统,同时提供了 Vue3 的版本
Java
136
18
openHiTLS
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
10
4
redis-sdk
仓颉语言实现的Redis客户端SDK。已适配仓颉0.53.4 Beta版本。接口设计兼容jedis接口语义,支持RESP2和RESP3协议,支持发布订阅模式,支持哨兵模式和集群模式。
Cangjie
322
26
advanced-java
Advanced-Java是一个Java进阶教程,适合用于学习Java高级特性和编程技巧。特点:内容深入、实例丰富、适合进阶学习。
JavaScript
75.83 K
19.04 K
qwerty-learner
为键盘工作者设计的单词记忆与英语肌肉记忆锻炼软件 / Words learning and English muscle memory training software designed for keyboard workers
TSX
15.56 K
1.44 K
Jpom
🚀简而轻的低侵入式在线构建、自动部署、日常运维、项目监控软件
Java
1.41 K
292
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手
HTML
30
5
easy-es
Elasticsearch
国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
1.42 K
231
taro
开放式跨端跨框架解决方案,支持使用 React/Vue/Nerv 等框架来开发微信/京东/百度/支付宝/字节跳动/ QQ 小程序/H5/React Native 等应用。 https://taro.zone/
TypeScript
35.34 K
4.77 K