127 lines
3.2 KiB
Markdown
127 lines
3.2 KiB
Markdown
# BEVFusion 预训练模型说明
|
||
|
||
**目录**：`/workspace/bevfusion/pretrained/`
|
||
**总大小**：974 MB
|
||
**文件数量**：8个
|
||
|
||
---
|
||
|
||
## 📁 可用的预训练模型
|
||
|
||
| 文件名 | 大小 | 用途 | 说明 |
|
||
|--------|------|------|------|
|
||
| **bevfusion-det.pth** | 157 MB | 3D检测 | BEVFusion官方检测模型 |
|
||
| **bevfusion-seg.pth** | 165 MB | BEV分割 | BEVFusion官方分割模型 |
|
||
| **camera-only-det.pth** | 170 MB | 纯相机检测 | 只使用相机的检测模型 |
|
||
| **camera-only-seg.pth** | 192 MB | 纯相机分割 | 只使用相机的分割模型 |
|
||
| **lidar-only-det.pth** | 32 MB | 纯LiDAR检测 | 只使用LiDAR的检测模型 |
|
||
| **lidar-only-seg.pth** | 46 MB | 纯LiDAR分割 | 只使用LiDAR的分割模型 |
|
||
| **swint-nuimages-pretrained.pth** | 106 MB | Backbone预训练 | ✅ 训练使用 |
|
||
| **swin_tiny_patch4_window7_224.pth** | 110 MB | Backbone预训练 | ImageNet预训练 |
|
||
|
||
---
|
||
|
||
## 🎯 推理用途
|
||
|
||
### 1. 使用epoch_19.pth（你的训练模型）
|
||
```bash
|
||
# 这是你训练了19个epoch的模型
|
||
# 包含检测+分割双任务
|
||
Checkpoint: runs/run-326653dc-74184412/epoch_19.pth (515 MB)
|
||
```
|
||
|
||
### 2. 使用官方bevfusion-seg.pth（官方分割模型）
|
||
```bash
|
||
# BEVFusion官方发布的分割预训练模型
|
||
# 可以用来对比你的模型性能
|
||
Checkpoint: pretrained/bevfusion-seg.pth (165 MB)
|
||
```
|
||
|
||
### 3. 使用官方bevfusion-det.pth（官方检测模型）
|
||
```bash
|
||
# BEVFusion官方发布的检测预训练模型
|
||
Checkpoint: pretrained/bevfusion-det.pth (157 MB)
|
||
```
|
||
|
||
---
|
||
|
||
## 🔍 推理对比方案
|
||
|
||
### 方案A：评估你的epoch_19.pth
|
||
|
||
```bash
|
||
# 评估你训练的模型
|
||
torchpack dist-run -np 1 python tools/test.py \
|
||
configs/.../multitask.yaml \
|
||
runs/run-326653dc-74184412/epoch_19.pth \
|
||
--cfg-options model.encoders.camera.backbone.init_cfg.checkpoint=pretrained/swint-nuimages-pretrained.pth \
|
||
--eval bbox segm
|
||
```
|
||
|
||
**预期性能**：
|
||
- 检测 NDS: ~0.70
|
||
- 分割 mIoU: ~40-45%
|
||
|
||
### 方案B：评估官方bevfusion-seg.pth
|
||
|
||
```bash
|
||
# 评估官方分割模型（作为性能对比基准）
|
||
torchpack dist-run -np 1 python tools/test.py \
|
||
configs/.../seg.yaml \
|
||
pretrained/bevfusion-seg.pth \
|
||
--eval segm
|
||
```
|
||
|
||
**官方性能**（参考）：
|
||
- 分割 mIoU: ~62-65%
|
||
|
||
### 方案C：对比评估
|
||
|
||
先评估官方模型（获得baseline），再评估你的模型（对比提升空间）
|
||
|
||
---
|
||
|
||
## 💡 建议
|
||
|
||
**推荐执行顺序**：
|
||
|
||
1. **先评估官方模型**（了解官方性能上限）
|
||
```bash
|
||
# bevfusion-seg.pth
|
||
```
|
||
|
||
2. **再评估你的epoch_19.pth**（了解当前性能）
|
||
```bash
|
||
# 你训练的模型
|
||
```
|
||
|
||
3. **等增强版训练完成后评估epoch_23.pth**（查看提升效果）
|
||
```bash
|
||
# 6天后的增强版模型
|
||
```
|
||
|
||
---
|
||
|
||
## 📊 性能对比表（预期）
|
||
|
||
| 模型 | 检测NDS | 分割mIoU | 说明 |
|
||
|------|---------|----------|------|
|
||
| 官方bevfusion-seg | N/A | **62-65%** | 官方baseline |
|
||
| 你的epoch_19 | ~0.70 | **40-45%** | 原始配置 |
|
||
| 你的epoch_23（增强版） | ~0.70 | **55-60%** | 预期提升 |
|
||
|
||
**差距分析**：
|
||
- epoch_19 vs 官方：约-20% mIoU
|
||
- epoch_23 vs 官方：约-5% mIoU（目标）
|
||
|
||
---
|
||
|
||
**创建时间**：2025-10-21
|
||
**状态**：✅ 所有预训练模型可用
|
||
|
||
|
||
|
||
|
||
|
||
|