WDQGO

* face_recognition version: * Python version: * Operating System: ### Description Describe what you were trying to get done. Tell us what happened, what went wrong, and what you expected...

B导，我写改了一下ghostnet的网络模型，然后已经训练出来了。现在在循行get_map.py的时候发现有下面的问题

1

class GhostNet(nn.Module): def __init__(self, pretrained=True): super(GhostNet, self).__init__() model = ghostnet() if pretrained: state_dict = torch.load("model_data/ghostnet_weights.pth") model.load_state_dict(state_dict) del model.global_pool del model.conv_head del model.act2 del model.classifier del model.blocks[9] self.model = model def...

B导你好，我现在用自己的网络在MS coco跑除了权重文件，发论文不是需要在测试集上检测精度吗，然后没有测试集的groundtruth需要怎么操作才能验证自己模型的精度呢。B导有什么指导没有，或是推荐啥教程，球球B导了

【AI实战营第二期】第五次作业提交15班

9

## 作业： * ControlNet 的 N 种玩法 * 假设你是某装修公司的设计师，客户发了你毛坯房的照片，**想让你设计未来装修好的效果图**。 * 先将毛坯房照片，用 OpenCV 转为 Canny 边缘检测图，然后输入 ControlNet，用 Prompt 咒语控制生成效果。 * 将毛坯房图、Canny 边缘检测图、咒语 Prompt、ControlNet 生成图，做成一页海报，发到群里。

【AI实战营第二期】第四次作业提交15班

8

## 作业： * MMSeg 语义分割 ## 背景： * 西瓜瓤、西瓜皮、西瓜籽像素级语义分割 ## TO DO LIST： 1. Labelme 标注语义分割数据集（子豪兄已经帮你完成了）； 2. 划分训练集和测试集（子豪兄已经帮你完成了）； 3. Labelme 标注转 Mask 灰度图格式（子豪兄已经帮你完成了）； 4. 使用 MMSegmentation 算法库，撰写 config 配置文件，训练 PSPNet...

【AI实战营第二期】第三次作业提交15班

9

## 作业： * 基于 RTMDet 的气球检测 ## 背景： * 熟悉目标检测和 MMDetection 常用自定义流程。 ## 任务： 1. 基于提供的 notebook，将 cat 数据集换成气球数据集 2. 按照视频中 notebook 步骤，可视化数据集和标签 3. 使用MMDetection算法库，训练 RTMDet 气球目标检测算法，可以适当调参，提交测试集评估指标 4. 用网上下载的任意包括气球的图片进行预测，将预测结果发到群里 5....

【AI实战营第二期】第二次作业提交15班

11

## 题目： * 基于 ResNet50 的水果分类 ## 背景： * 使用基于卷积的深度神经网络 ResNet50 对 30 种水果进行分类 ## 任务 1. 划分训练集和验证集； 2. 按照 MMPreTrain CustomDataset 格式组织训练集和验证集； 3. 使用 MMPreTrain 算法库，编写配置文件，正确加载预训练模型； 4. 在水果数据集上进行微调训练； 5....

【AI实战营第二期】第一次作业提交15班

13

## 题目：基于RTMPose的耳朵穴位关键点检测 ### 背景： * 根据中医的“倒置胎儿”学说，耳朵的穴位反映了人体全身脏器的健康，耳穴按摩可以缓解失眠多梦、内分泌失调等疾病。**耳朵面积较小，但穴位密集，涉及耳舟、耳轮、三角窝、耳甲艇、对耳轮等三维轮廓，普通人难以精准定位耳朵穴位**。 ### 任务： 1. Labelme标注关键点检测数据集（子豪兄已经帮你完成了）; 2. 划分训练集和测试集（子豪兄已经帮你完成了）; 3. Labelme标注转MS COCO格式（子豪兄已经帮你完成了）; 4. 使用**MMDetection**算法库，训练RTMDet耳朵目标检测算法，提交测试集评估指标; 5. 使用**MMPose**算法库，训练RTMPose耳朵关键点检测算法，提交测试集评估指标; 6. 用自己耳朵的图像预测，将预测结果发到群里; 7. 用自己耳朵的视频预测，将预测结果发到群里; #### 需提交的测试集评估指标（不能低于baseline指标的50%） * 目标检测Baseline模型（RTMDet-tiny）  * 关键点检测Baseline模型（RTMPose-s）...