训练官方源码RT-DETR（血泪的教训！严格按照官方流程！）

原创 已于 2024-01-16 19:17:23 修改 · 8.2k 阅读 · 166
于 2024-01-15 21:18:00 首次发布
本文详细介绍了如何在RT-DETR项目中配置环境、数据路径，调整训练参数，以及进行验证，特别提到了处理torchvision版本问题的方法。

文章目录

参考链接

1 配置环境

pip install -r requirements.txt

2 配置数据路径

在rtdetr_pytorch/configs/dataset/coco_detection.yml中修改

补充：第3行的num_classes改为自己的类别数！

在这里插入图片描述

不知道会不会有影响，但代码确实是跑到这里来的，但是官方代码没有给这一个步骤：

在rtdetr_pytorch/src/data/coco/coco_dataset.py里面，定位到第一个mscoco_category2name做如下更改，改为自己的类别名，因为我的标签里面类别顺序是从0开始的，所以这里我也改成了从0开始：

标签
#YOLO #深度学习
最低0.47元/天 解锁文章
目标检测 RT-DETR（2023）详细解读
qq_51352130的博客
05-21 5772
在使用了这个技巧后，显然训练过程中，类别的标签不再是此前的0和1离散值，而是0~1的连续值。关于 Query Selection（查询向量选择）,大家应该并不陌生，这个方法可谓在DETR领域大杀四方，如DAB-DETR对查询向量进行重构理解，将其解释为Anchor，DN-DETR通过查询降噪来应对匈牙利匹配的二义性所导致的训练时间长的问题，DINO提出从Encoder中选择Top-k特征进行学习等一系列方法，这都无疑向我们证明，查询向量很重要，选择好的Query能够让我们事半功倍。在RT-DETR中，
YOLO与DETR目标检测实战对比：从原理到RT-DETR自定义训练
weixin_30607125的博客
07-05 351
最近在社区和私信里，经常被问到同一个问题：“现在做目标检测相关的研究或者项目，到底该选 YOLO 还是 DETR？哪个方向更有前景，更容易出成果？” 尤其是在准备论文、毕业设计或者新项目技术选型时，这个问题尤为突出。YOLO 系列凭借其极致的速度和成熟的生态，长期占据着工业界和学术界的视野；而 DETR 及其变体，作为基于 Transformer 的端到端检测新范式，以其简洁优雅的架构和强大的性能，正吸引着越来越多的关注。 本文将为你彻底厘清 YOLO 和 DETR 这两大目标检测流派的核心思想、技术演进、
rt-detr目标检测+python+tensorRT推理代码
06-28
该代码实现rt-detr的部署，使用python，调用tensorRT转换后的模型，实现单张图片或者图片文件夹批量推理，代码输入图片/文件夹路径，模型路径，输出图片保存路径，运行命令python ./infer_tensorrt.py --infer_dir=./inputimgs/ --output_dir ./outputimgs/ --models ./rtdetr_hgnetv2_l_6x_coco.trt，即可得到测试结果。
rt-detr的报错、训练、图片预测和debug
weixin_48846747的博客
03-14 2157
导出直接在/mnt/Vir_new/RT-DETR-main/rtdetr_pytorch/tools/export_onnx.py修改模型路径和配置文件路径就行，导出onnx。不需要改类别，我以为像detr那样把data_loader的类别改了，就报错咯。不要用改直接训练就行。
AttributeError: module ‘torchvision‘ has no attribute ‘__version__‘
故乡的云和星星
10-06 4768
MMdet出现此问题大概率是因为torchvision的位置没有安装对，正确的位置应该是anaconda3\envs\你的环境\Lib\site-packages\torchvision。看此位置是否有torchvision这个文件，有的话看文件里是否有version.py，没有的话说明torchvision没有成功安装。需要从备份的环境中复制过来（可见备份的重要性）。没有备份的话需要从pytorch网站下载对应版本的torchvision，一般出现此问题都是版本对应问题。
RT-DETR个人整理向理解
weixin_44438120的博客
09-07 7410
在开始介绍RT-DETR这个网络之前，我们首先需要先了解DETR这个系列的网络与我们常提及的以及存在着何种差异。首先我们先简单讨论一下以及两者的差异与共性：1、两者差异：顾名思义，这两者一个显而易见的差别就是有无anchor，是需要手工选取不同比例大小的anchor来得到proposals，而则不需要。当然两者具体差异肯定不是这么几句话就能说的清的，这里不做详细讨论所以按下不表。2、两者共性：两者虽然在获取proposals。
学习笔记：RT-DETR训练自己的数据集(Pytorch)
x_rain_jay的博客
07-03 3302
简单按照参考文章1下载代码并尝试运行流程：前面与其保持一致，在第二步选择了自制数据集，因此在第三步有所不同，具体为我复制生成了一个新的yml文件，将其中的类别数改为自制数据集中的类别数（暂时未+1，detr中是需要＋1的，后续有改动会补充）至参考文章1的步骤三时，由于我使用的是自制的数据集，所以需要修改rtdetr_r18vd_6x_coco.yml路径。2.配置文件中的路径最好是绝对路径，因为这个官方代码的层级还是蛮多的，容易把人绕晕。将图片中的第一行中的路径修改正确即可。在运行后，遇到报错如下。
RT-DETR部署学习笔记
qq_53365333的博客
10-25 883
在coco_dataset里面，classes = [mscoco_category2label[obj["category_id"]] for obj in anno]改成classes = [mscoco_category2label[int(obj["category_id"])] for obj in anno]。注意更改标签名称时，和自己数据集对应（本人由于使用yolo转过来的标签，是从0开始导致错误）。在学习大佬部署RT-DETR官方代码中pytorch版本中遇到的问题记录（随时更新）。
【RT-DETR实战】195、贡献开源社区：如何为RT-DETR官方提交PR
企鹅码农的专属播客，分享10多年的实战案例和经验解读，包含YOLO、RT-DETR、AI等各个工作领域。
06-11 50
开源贡献指南：如何优雅地给主流算法仓库提PR 在调试RT-DETR的ONNX导出问题时，发现动态batch支持缺陷并决定贡献修复代码。关键步骤包括：1）先查issues避免重复；2）复现问题并附测试用例；3）创建规范分支；4）编写防御性代码注释；5）补充多场景测试；6）撰写结构化commit信息；7）在PR中清晰说明问题/原因/验证；8）积极回应review意见。特别要注意：保持功能单一性、通过CI检查、签署贡献协议。开源协作本质是技术对话，即使代码被重构也是宝贵学习机会。将调试痛苦转化为社区补丁，正是工程
YOLO/RT-DETR模型多通道输入实战：从报错调试到成功训练的完整避坑指南
weixin_29085151的博客
03-04 157
本文详细解析了将YOLO/RT-DETR模型从默认的3通道RGB输入改造为多通道输入（如8通道遥感数据）的完整实战流程。针对改造过程中最常见的“expected input to have 8 channels, but got 3 channels instead”等报错，提供了从修改模型配置文件、排查数据加载管道、修复框架源码硬编码到调整训练配置的系统性解决方案，是一份涵盖调试与避坑要点的实用指南。
YOLOv8桥梁病害检测：八类缺陷高精度识别与边缘部署实战
weixin_33443333的博客
06-18 256
目标检测是计算机视觉落地工业场景的核心技术，其原理在于通过深度学习模型对图像中特定类别物体进行定位与分类。在基础设施智能运维领域，桥梁病害检测对算法的鲁棒性、小目标识别能力及边缘实时性提出严苛要求。基于YOLOv8的目标检测方案凭借轻量结构、强特征保留能力和成熟部署生态，成为桥梁裂缝、剥落、锈胀等八类典型缺陷识别的工程优选。该技术已广泛应用于跨海大桥巡检、BIM模型热区标记、无人机自动诊断等实际场景，并支撑毫米级裂缝测量、空间坐标映射与PDF报告自动生成等高价值功能。本文聚焦YOLOv8在桥梁病害检测中的完
X-AnyLabeling超级实战指南
最新发布
技术博客
07-31 255
系统路径WindowsC:\Users\<用户名>\xanylabeling_data\models（旧版本可能是LinuxmacOS首次启动会自动下载基础模型（约几百 MB），网络差时建议手动把模型文件丢进上面的目录。模型注册清单在源码的。三句话记住 X-AnyLabeling：本地免费、跨平台，是「数据不能上云」场景的本地 AI 标注首选。AI 预标注 + 人工校验才是正确姿势，别从零手画；
BEVFormer端到端落地：Transformer位置编码的三次变形与工程卡点突破
axfcjwkbi259888707的博客
06-20 329
端到端感知是自动驾驶视觉系统的核心范式，其本质是将原始图像经深度网络映射为车体坐标系下的3D空间结构。这一过程高度依赖Transformer的位置建模能力——但标准正弦编码无法直接适配BEV（鸟瞰图）空间的几何约束。BEVFormer通过三层空间映射（图像→相机→BEV→时序BEV），驱动位置编码从2D正弦编码、6维动态编码到可学习+相对时间编码的三次关键变形，使模型真正理解‘u/v坐标’‘深度z’‘朝向θ’和‘时间Δt’的物理意义。这种变形不仅提升小目标检测、远距离感知与跨帧跟踪性能，更决定模型能否在嵌入
CNN与Transformer在计算机视觉中的协同演进
weixin_33947521的博客
07-02 485
卷积神经网络（CNN）和视觉Transformer（ViT）是现代计算机视觉的两大核心范式。CNN凭借平移等变性、局部连接与参数共享，具备强归纳偏置与硬件友好性；Transformer则通过自注意力机制实现动态全局关系建模，擅长长程依赖与语义理解。二者并非替代关系，而是在算力约束、数据规模、任务粒度与部署生态等现实条件下形成互补。混合架构（如CNN+CBAM、Swin、MobileViT）已成为工业落地主流，其技术价值在于平衡精度、延迟与功耗。典型应用场景涵盖移动端实时检测、小样本医疗分割、高分辨率遥感分析
Apollo Vision Net：纯视觉通用障碍物检测与BEV+Occupancy联合感知
weixin_30505225的博客
06-20 364
BEV（鸟瞰图）感知是自动驾驶视觉理解的核心范式，其本质是将多视角图像特征统一映射到三维空间坐标系中，实现对道路场景的结构化建模；Occupancy网络则进一步将稀疏目标检测结果扩展为稠密、连续的3D空间占据预测，显著提升对长尾障碍物和不规则物体的鲁棒性。这类技术的价值在于降低对激光雷达的依赖，兼顾成本控制与恶劣天气适应性，已在量产级嵌入式平台（如Jetson Orin）实现5Hz实时推理。典型应用场景包括无保护左转、施工区通行、低矮路障识别等复杂城市场景。Apollo Vision Net正是BEVFor
CV论文高效筛选方法论：三维坐标系驱动的技术选型流水线
weixin_30379531的博客
06-24 359
计算机视觉（CV）领域技术迭代迅猛，每日新增预印本超30篇，如何从海量论文中精准识别具备工业落地潜力的研究成果，已成为算法工程师与研究者的共性挑战。其核心在于超越传统‘会议等级+标题关键词’的粗放判断，转向对问题稀缺性、方法迁移性与验证严谨性的系统量化。本文提出的三维坐标系筛选模型，将‘重要性’转化为可计算、可复现、可共享的工程指标，尤其强调模块解耦度与基线完备性矩阵等实操维度，直击CV论文复现难、移植难、验证弱三大痛点。该方法已在工业缺陷检测、AOI质检等真实场景验证，显著降低误报率并加速技术闭环。适用于
目标检测-RT-DETR
午夜的行人
09-06 6985
模块实现了多头自注意力机制，它通过并行计算多个注意力头来捕获输入序列中不同位置和不同层次的依赖关系。每个头可以学习不同的注意力模式，最终将这些模式结合起来，生成更加丰富的特征表示。这一机制在 Transformer 中的应用，使模型具备了捕捉长距离依赖关系和并行处理的能力，大大提高了计算效率。
RT-DETR：又快又好的ViT系列模型，拉开ViT实时化的序幕！
m0_63642362的博客
04-30 6691
针对工业场景下实时化检测的需求，我选用PaddleDetection团队新出的RT-DETR模型，相比之前训练的ViTDet系列模型，速度和精度都有一定的提升。
RT-DETR推理详解及部署实现
热门推荐
周同学的博客
11-12 2万+
RT-DETR推理详解及部署实现
评论 30
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

孟孟单单

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值