方案一：有人说在自己定义的conifg文件中增加 metainfo={'classes':('class1','class2','class2',),'palette':[(220,20,60),(221,11,22),(221,11,42),]}方案二：修改mmdet/evaluation/metrics文件的内

在上一篇博文中，博主完成了MMDetection框架的环境部署与推理过程，下面进行该框架的训练过程，训练的入口文件为tools/train.py，我们需要配置的内容如下：修改Train.py文件确定自己要用的模型parser.add_argument('--config',default="/home/ubuntu/programs/mmdetection/configs/faster_rc

本文旨在安装mmrotatedev1.x的版本，从源码安装。由于目前官方给定的教程存在错误，此处安装步骤将有所差异。基本环境配置：python 3.8.12torch  1.8.1cuda  10.2显卡1660Ti/3060好像cuda版本存在不同 基

1.项目背景由于项目中用到安全带识别算法，所以进行了比较粗略的安全带识别算法的实现，经过我们的资料查阅发现安全帽的识别算法比较普遍，但是安全带的算法比较少，但也不能说没有，几篇罢了，现将实现过程记录如下；需求：每次传入算法一张图片（或者三维数组），经过算法处理后传出一张图片(或者

博主目前在基于mmdet做HDMap的相关工作，因此需要从数据集、pipline以及模型结构各个方面都需要进行重构，而在pipline中，对于之前Detection通用的pipline，需要对Box的GT处理进

官方教程：模型部署至TorchServe—MMClassification0.23.2文档mmcls1.转换MMClassification模型至TorchServepythontools/deployment/mmcls2torchserve.py${CO