IQA视觉问答在互动环境中的开源项目指南
2024-09-26 07:24:46作者:宣利权Counsellor
本指南旨在帮助您理解并使用Daniel Gordon等人在CVPR 2018上发表的论文“IQA: Visual Question Answering in Interactive Environments”的开源实现。此项目提供了一套完整的代码库来训练和评估互动环境下视觉问答的各种模型。
1. 项目目录结构及介绍
以下是项目的主目录结构以及关键子目录的功能说明:
thor-iqa-cvpr-2018/
├── darknet_object_detection # YOLOv3分支相关代码和权重文件
├── depth_estimation_network # 深度估计网络的代码和资产
├── generate_questions # 自动生成问题的脚本和数据
├── graphs # 图相关的文件或配置
├── layouts # 布局信息
├── networks # 各种神经网络模型
├── qa_agents # 问题回答代理(智能体)的实现
├── question_embedding # 问题编码模块
├── questions # 包含训练和测试问题的子集
│ ├── train, unseen_scenes, seen_scenes # 分别对应不同场景的问题
│ └── 内部含有不同类型的问答数据集
├── reinforcement_learning # 强化学习相关代码
├── supervised # 监督学习部分代码
├── thor_tests # 测试THOR环境是否设置正确的脚本
├── utils # 实用工具函数
├── visualizations # 训练过程中的可视化图像存储位置
├── .gitignore
├── LICENSE
├── README.md # 项目读我文件,包含安装和运行指导
├── __init__.py # 初始化Python包
├── constants.py # 全局配置变量,非常重要
├── download_weights.sh # 下载预训练权重的脚本
├── eval.py # 用于模型评估的脚本
├── run_thor_tests.py # 确保THOR环境正常运作的测试脚本
└── train.py # 训练模型的主要脚本
2. 项目的启动文件介绍
主要启动文件
- run_thor_tests.py: 这个脚本用来测试AI2THOR环境是否已正确安装,并能在您的系统上运行。它是个快速检查,确保后续的开发与训练可以顺利进行。
- train.py: 训练模型的入口点。通过修改
constants.py
中的TASK
变量,您可以选择要训练的特定任务,如导航、语言模型、或强化学习等。 - eval.py: 用于模型评估的脚本,同样需要先设置好相应的参数,尤其是
TEST_SET
以确定是评估在见过还是未见过的场景中。
3. 项目的配置文件介绍
- constants.py: 核心配置文件,其中定义了诸如任务类型(
TASK
)、测试集合(TEST_SET
)、是否开启绘图(DRAWING
)等关键参数。对于任何实验前的自定义设置,都应首先查看并可能修改这个文件。 - requirements.txt: 列出了项目依赖的所有Python库及其版本,用于确保环境的一致性。安装时,通过
pip install -r requirements.txt
命令自动安装这些依赖项。 - download_weights.sh: 脚本用于下载预训练的权重,包括深度估计网络、YOLOv3在THOR上的训练结果以及其他必要的网络权重。
注意事项
- 在开始之前,请确保您的环境满足CUDA、cuDNN、Darknet以及Python 3.5+的要求。
- 使用虚拟环境来管理项目依赖,遵循“First Time Setup”中的步骤。
- 对于不同的实验需求,详细阅读
README.md
,调整constants.py
中的相关配置。
通过上述指引,您将能够有效地准备环境,理解和操作此开源项目,进一步探索互动环境下的视觉问答技术。
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~052CommonUtilLibrary
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。06GOT-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!C0308- 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++
178
262

🎉 (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
868
513

openGauss kernel ~ openGauss is an open source relational database management system
C++
129
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
268
308

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
373

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
1.07 K
0

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15

一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。
TSX
83
4

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
599
58

基于可以运行在OpenHarmony的git,提供git客户端操作能力
ArkTS
10
3