alexbird33

> ERROR: pip's dependency resolver does not currently take into account all the packages that are installed. This behaviour is the source of the following dependency conflicts. mmpose 1.3.2 requires...

> > 有解决这个问题吗？ > > 仍然没有～ 你好，大半年过去了不知道你找到好的方法没有 我面临和你差不多的任务需求，我目前是这样做的 1，直接用模型通过--text生成伪标签，这要经过多次尝试不同的text哪种效果最好，可以使用文档上建议的image demo命令，或者用x-labeling这类提供AI自动标注功能的标注工具，直接试出一个比较好适应你目标特殊的文本 2，然后用这个文本，用文档上的方法批量生成伪标签，接下来转换成x-anylabeling的标注文件（或其它标注工具），然后用标注工具打开导入伪标签标注文件，人工复核。为简化后续操作，你可以在转换脚本中进行过滤，比如大小啦，置信度啦，一种类别只留置信度最大的那个（我的目标一张图上只会有一个） 这一步几乎是必须的，不管是你用几十张训练20轮，还是我直接文本进行检测，其实得到的伪标签质量不高的，但至少能框个大概，这样在标注工具中你只要拉一拉修正框框位置就好。这样的人工复核可以做到10秒以内一张，花上个把小时就能人工修正出几百甚至上千张高质量标注 3，用修正过的标注文件进行微调。我发现500张训练几轮就够了，2000张也才训练20轮以内，多了过拟合。常常我得到的best模型都不是设定的最后几轮的 总之伪标签只能起到帮你大海捞针的作用，我的数据来自于数量几乎无限的系统历史积累照片，所以这种方法又快又好。当然如果你的场景复杂，原始数据少，标注成本高，那我只能建议少量多轮复核多轮训练了，但控制学习率和轮数防止过拟合 另外求拉cv炼丹群。我周边就我一人做这个，想聊天都没人……