水下目标检测算法赛（声学图像赛项）解决方案.zip

## MMDetection Fork from https://github.com/open-mmlab/mmdetection ## 安装虚拟环境 参考 https://github.com/open-mmlab/mmdetection/blob/master/docs/INSTALL.md ```bash pip install -r requirements/build.txt pip install "git+https://github.com/cocodataset/cocoapi.git#subdirectory=PythonAPI" pip install -v -e . # or "python setup.py develop" ``` ## 数据准备 目的是转换成COCO格式的数据，方式有两： 1. 下载: [百度云链接](https://pan.baidu.com/s/1dUNt_Wl3WVbqip6oVQ_tuA) 密码: oqqf 2. 自己生成(请合理配置文件中的路径): ```bash # 文件中的路径请根据实际情况配置 # 训练集与测试集的划分 python tools/pascal2coco.py # a-test/b-test转换成COCO json python tools/generate_test_annotation.py ``` 3. 最后的目录树 ```bash data | - image # 前视, 侧扫, 负样本, 所有的训练集图像均放于此 | - annotation # 上一步下载或者生成的json | - box # 前视, 侧扫的xml标注放于此 | - a-test-img # 所有的a-test图像放于此 | - b-test-img # 所有的b-test图像放于此 ``` ## 模型准备 放于`pretrain_model/`下 1. 预训练模型：下载[百度云链接](https://pan.baidu.com/s/1Kadwx588xZmy6qM_1cgdBw) 密码: o22i (已在MSCOCO2017上预训练)， 2. 最终已训练模型： 下载[百度云链接](https://pan.baidu.com/s/1LoXNvHmk4O3yVUrP3ix6HQ) 密码: v15d (final model) ## 训练 ```bash ./train_sonar.sh # 目录位置及配置可在里面更改 ``` ## 测试 ```bash ./test_sonar.sh # 目录位置及配置可在里面更改 # 转换成csv python ./tools/turn_pkl_to_csv.py work_dirs/cascade_rcnn_dconv_c3-c5_r101_uncertain_MS_dufpn_1x/bbox_predict.pkl --json_path data/annotation/a-test.json # 可视化, 目录位置可在里面更改 python tools/vis_det.py ``` ## 结果 | - | Leaderboard A | Leaderboard B | | :---: | :-------------: | :-------------: | | mAP | 0.298 | 0.207 |