使用文档

环境要求

• PaddlePaddle 2.4及以上
• OS 64位操作系统
• Python 3(3.5.1+/3.6/3.7/3.8/3.9)，64位版本
• pip/pip3(9.0.1+)，64位版本
• CUDA >= 10.1
• cuDNN >= 7.6

安装说明

1. 安装PaddlePaddle

# CUDA10.2
python -m pip install paddlepaddle-gpu==0.0.0.post102 -f https://www.paddlepaddle.org.cn/whl/linux/gpu/develop.html

• 更多CUDA版本或环境快速安装，请参考PaddlePaddle快速安装文档
• 更多安装方式例如conda或源码编译安装方法，请参考PaddlePaddle安装文档

请确保您的PaddlePaddle安装成功。使用以下命令进行验证。

# 在您的Python解释器中确认PaddlePaddle安装成功
>>> import paddle
>>> paddle.utils.run_check()

# 确认PaddlePaddle版本
python -c "import paddle; print(paddle.__version__)"

注意

1. 如果您希望在多卡环境下使用PaddleDetection，请首先安装NCCL

2. 编译自定义算子

# 安装依赖
git clone https://github.com/PaddlePaddle/Paddle3D.git
cd Paddle3D
pip install -r requirements.txt
pip install -e .

cd paddle3d/ops/
python setup.py install

cd ../../../

2. 安装环境

# 安装依赖
git clone https://github.com/wangna11BD/MonoDETR_paddle.git 

cd MonoDETR_paddle
pip install -r requirements.txt
mkdir logs

5. 下载 KITTI 数据集，数据集结构如下：

   │MonoDETR_paddle/
   ├──...
   ├──data/KITTIDataset/
   │   ├──ImageSets/
   │   ├──training/
   │   ├──testing/
   ├──...
   

使用说明

MonoDETR模型的配置文件为configs/monodetr.yaml目录下

resnet50预训练模型下载

下载预训练模型放在当前文件夹下 https://ecloud.baidu.com?t=e34a3edaf4cd7160ef09995bef241171

训练

bash train.sh configs/monodetr.yaml > logs/monodetr.log

评估

bash test.sh configs/monodetr.yaml

复现结果

训练环境：16G P40 cuda10.2 py3.6.8 torch1.12.0 paddle2.4 复现结果对比 (paddle1为第一版代码训练结果，paddle2为第二版代码训练结果)

	Easy	Mod.	Hard	log	模型
torch	25.46%	19.74%	16.57%	log	model
torch	25.77%	18.63%	15.38%	-	-
paddle1	26.47%	18.78%	15.54%	-	-
paddle1	26.21%	18.93%	15.75%	-	-
paddle1	27.23%	19.55%	16.15%	log1log2	model
paddle1	23.91%	18.10%	15.13%	-	-
paddle2	26.29%	19.23%	16.05%	log	model
paddle2	26.04%	19.30%	15.92%	log	model
paddle2	25.93%	19.24%	16.09%	log	model
paddle2	26.57%	19.12%	15.90%	log	model
paddle2	26.33%	19.09%	15.89%	log	model

Citation

@article{zhang2022monodetr,
  title={MonoDETR: Depth-aware Transformer for Monocular 3D Object Detection},
  author={Zhang, Renrui and Qiu, Han and Wang, Tai and Xu, Xuanzhuo and Guo, Ziyu and Qiao, Yu and Gao, Peng and Li, Hongsheng},
  journal={arXiv preprint arXiv:2203.13310},
  year={2022}
}