YandanWang7/SIGMA
GitHub: YandanWang7/SIGMA
SIGMA 是一种针对长尾分布目标检测的监督强度引导自适应一对多匹配方法的官方 PyTorch 实现。
Stars: 0 | Forks: 0
# SIGMA
Supervision Intensity-Guided Adaptive One-to-Many Matching for Long-Tailed Object Detection 的官方实现。
## 环境
创建 Python 环境并安装依赖：
```
pip install -r requirements.txt
```
构建多尺度可变形注意力 CUDA 扩展：
```
cd models/dino/ops
python setup.py build install
cd ../../..
```
请使用与 GPU 驱动兼容的 PyTorch/CUDA 版本。原始实验使用了 CUDA GPU 和分布式训练。
## 数据集
在仓库外准备 LVIS/COCO 格式的数据。典型的目录结构如下：
```
/path/to/lvis/
annotations/
lvis_v1_train.json
lvis_v1_val.json
train2017/
val2017/
```
通过 `--coco_path` 传递数据集根目录。
## Checkpoint
发布的 checkpoint 提供在：
```
checkpoints/checkpoint_best_regular.pth
```
该文件超过了 GitHub 的常规文件大小限制，应使用 Git LFS 进行跟踪。
## 评估
使用默认配置运行评估：
```
python main.py \
--eval \
--resume checkpoints/checkpoint_best_regular.pth \
--coco_path /path/to/lvis \
--output_dir outputs/eval_final
```
进行分布式评估：
```
torchrun --nproc_per_node=8 main.py \
--eval \
--resume checkpoints/checkpoint_best_regular.pth \
--coco_path /path/to/lvis \
--output_dir outputs/eval_final \
--num_workers 2
```
## 训练
使用默认配置运行训练：
```
torchrun --nproc_per_node=8 main.py \
--dataset_file lvis \
--coco_path /path/to/lvis \
--output_dir outputs/train_final \
--num_workers 4
```
标签：PyTorch, Vectored Exception Handling, 人工智能, 凭据扫描, 深度学习, 用户模式Hook绕过, 目标检测, 计算机视觉, 逆向工具, 长尾分布