cảm ơn bạn đã quan tâm và ủng hộ ạ

e thu được log err như này . sau một hồi thì e phát hiện câu lệnh "docker run --rm -v "/$(pwd)":/app -w //app composer dump-autoload --classmap-authoritative --no-dev --optimize" chạy báo lỗi như sau: . e đã thử tìm cách và chạy composer self-update, hay là composer update thì thử lại vẫn lỗi ý a ạ. a cho e xin ý kiến hichic, e cảm ơn ạ !

@thinhvuminhkhang không dùng dotenv-rails có được không ông?

khá đầy đủ và dễ hiểu :v cảm ơn anh nhé

xin link part2 với bác

sao k có phần model cart ạ

cảm ơn người em nhé 🥰

Bài viết hay quá

@Golden_Dragon Hi bạn

Để load dataset thì bạn có thể viết hàm custom lại Dataloader, trong Detectron2 thì có thể register với DatasetCatalog/MetadataCatalog. Docs tham khảo thêm tại đây

https://detectron2.readthedocs.io/en/latest/tutorials/datasets.html

Dưới này là sample tham khảo mình viết cho file annotation COCO format

def get_data_dicts(img_dir, train = False):
    json_file = os.path.join(img_dir, "annotations.json")
    with open(json_file) as f:
        imgs_anns = json.load(f)
    dataset_dicts = []
    img_dir = img_dir + "train_images"
    for idx, v in enumerate(imgs_anns.values()):
        record = {}
        filename = os.path.join(img_dir, v["filename"])
        height, width = cv2.imread(filename).shape[:2]
        record["file_name"] = filename
        record["image_id"] = idx
        record["height"] = height
        record["width"] = width
        annos = v["regions"]
        objs = []
        for annotation in annos:
          px = annotation["shape_attributes"]["all_points_x"]
          py = annotation["shape_attributes"]["all_points_y"]
          poly = [(x , y) for x, y in zip(px, py)]
          poly = [p for x in poly for p in x]

          obj = {
                "bbox": [np.min(px), np.min(py), np.max(px), np.max(py)],
                "bbox_mode": BoxMode.XYXY_ABS,
                "segmentation": [poly],
                "category_id": 0
            }
          objs.append(obj)
          record["annotations"] = objs
          dataset_dicts.append(record)
    dataset_train, dataset_test = train_test_split(dataset_dicts, test_size=0.15, random_state=42)
    if train:
      return dataset_train
    else:
      return dataset_test 

from detectron2.data import MetadataCatalog, DatasetCatalog
var_train = "segtrain1"
DatasetCatalog.register(var_train, lambda:get_data_dicts("train_data/", train = True))
MetadataCatalog.get(var_train).set(thing_classes=["object"])
object_metadata = MetadataCatalog.get(var_train)

Sửa architecture thì có 2 cách:

1. Register backbone mới và custom lại các hàm function/loss: https://detectron2.readthedocs.io/en/latest/tutorials/write-models.html (khuyến khích). Mình đã thay được tuy nhiên giới hạn một vài module
2. Thay backbone và import lại các module của detectron2

Hy vọng giúp đỡ được bạn ^_^

Tôi có thể đưa website the-crescent.com lên googleapi được không, tôi đang dùng wp.

@thinhvuminhkhang tks ông, để mình tìm hiểu thêm !

nếu bạn gửi từ local thì bạn nên setup 1 server mail local nhé

Mình muốn sửa dùng dùng Architecture của mình trên Detectron2 nữa ý ạ. Bạn có biết làm như nào không ạ.

Thank anh

cảm ơn bạn ạ. đọc những bài này mình thấy hiểu hơn rồi ạ. Mình muốn sử dụng KITTI dataset, và BDD100K để object detection trên detectron. bạn có cách nào để load 2 dataset này không ạ.

Thấm anh ơi 💓

đã làm theo nhưng mãi không được @_@

tks

tkds

Cảm ơn bác nhé.