SphereFormer 项目使用教程

1. 项目目录结构及介绍

SphereFormer 项目的目录结构如下：

SphereFormer/
├── config/
│   ├── nuscenes/
│   ├── semantic_kitti/
│   └── waymo/
├── data/
│   ├── nuscenes_preprocess_infos.py
│   └── waymo_to_semanticKITTI/
├── detection/
├── figs/
├── model/
├── third_party/
│   └── SparseTransformer/
├── util/
├── .gitignore
├── .gitmodules
├── README.md
├── LICENSE
├── requirements.txt
└── train.py

目录结构介绍：

• config/: 包含不同数据集的配置文件，如 nuScenes、SemanticKITTI 和 Waymo。
• data/: 数据预处理脚本和数据集转换脚本。
• detection/: 用于物体检测的相关文件。
• figs/: 可能包含项目中使用的图表或图像。
• model/: 包含模型的定义和实现。
• third_party/: 包含第三方库，如 SparseTransformer。
• util/: 包含项目中使用的各种实用工具和辅助函数。
• .gitignore: Git 忽略文件列表。
• .gitmodules: Git 子模块配置文件。
• README.md: 项目介绍和使用说明。
• LICENSE: 项目许可证文件。
• requirements.txt: 项目依赖库列表。
• train.py: 项目的启动文件，用于训练模型。

2. 项目的启动文件介绍

项目的启动文件是 train.py，该文件用于训练模型。以下是 train.py 的基本使用方法：

python train.py --config [CONFIG_PATH]

其中 [CONFIG_PATH] 是配置文件的路径，例如：

python train.py --config config/nuscenes/nuscenes_unet32_spherical_transformer.yaml

主要功能：

• 训练模型: 根据指定的配置文件进行模型训练。
• 验证模型: 可以通过修改配置文件中的参数进行模型验证。

3. 项目的配置文件介绍

配置文件位于 config/ 目录下，针对不同的数据集有不同的配置文件。以下是配置文件的基本结构和内容：

示例配置文件 (config/nuscenes/nuscenes_unet32_spherical_transformer.yaml)

data_root: "/path/to/nuscenes"
data_path: "/path/to/nuscenes/v1.0-trainval"
save_dir: "/path/to/save/results"
model:
  type: "SphereFormer"
  params:
    ...
train:
  batch_size: 4
  learning_rate: 0.001
  epochs: 50
val:
  use_tta: True
  vote_num: 5

配置文件主要内容：

• data_root: 数据集的根目录。
• data_path: 数据集的具体路径。
• save_dir: 保存训练结果的目录。
• model: 模型的配置，包括模型类型和参数。
• train: 训练相关的配置，如批量大小、学习率和训练轮数。
• val: 验证相关的配置，如是否使用测试时增强（TTA）和投票次数。

通过修改这些配置文件，可以调整模型的训练和验证行为。