GZL11
GZL11
## 作业：ControlNet 的 N 种玩法 假设你是某装修公司的设计师，客户发了你毛坯房的照片，想让你设计未来装修好的效果图。 先将毛坯房照片，用 OpenCV 转为 Canny 边缘检测图，然后输入 ControlNet，用 Prompt 咒语控制生成效果。 将毛坯房图、Canny 边缘检测图、咒语 Prompt、ControlNet 生成图，做成一页海报，发到群里。
### 1. 题目： 基于 ResNet50 的水果分类 ### 2.背景： 使用基于卷积的深度神经网络 ResNet50 对 30 种水果进行分类 ### 3.任务 划分训练集和验证集； 按照 MMPreTrain CustomDataset 格式组织训练集和验证集； 使用 MMPreTrain 算法库，编写配置文件，正确加载预训练模型； 在水果数据集上进行微调训练； 使用 MMPreTrain 的 ImageClassificationInferencer 接口，对网络水果图像，或自己拍摄的水果图像，使用训练好的模型进行分类。 需提交的验证集评估指标（不能低于...
### 作业：基于 RTMDet 的气球检测 #### 背景：熟悉目标检测和 MMDetection 常用自定义流程。 #### 任务： 基于提供的 notebook，将 cat 数据集换成气球数据集 按照视频中 notebook 步骤，可视化数据集和标签 使用MMDetection算法库，训练 RTMDet 气球目标检测算法，可以适当调参，提交测试集评估指标 用网上下载的任意包括气球的图片进行预测，将预测结果发到群里 按照视频中 notebook 步骤，对 demo 图片进行特征图可视化和 Box AM 可视化，将结果发到群里 需提交的测试集评估指标（不能低于baseline指标的50%）...
**题目：基于RTMPose的耳朵穴位关键点检测** 背景：根据中医的“倒置胎儿”学说，耳朵的穴位反映了人体全身脏器的健康，耳穴按摩可以缓解失眠多梦、内分泌失调等疾病。耳朵面积较小，但穴位密集，涉及耳舟、耳轮、三角窝、耳甲艇、对耳轮等三维轮廓，普通人难以精准定位耳朵穴位。 任务 1.Labelme标注关键点检测数据集（子豪兄已经帮你完成了） 2.划分训练集和测试集（子豪兄已经帮你完成了） 3.Labelme标注转MS COCO格式（子豪兄已经帮你完成了） 4.使用MMDetection算法库，训练RTMDet耳朵目标检测算法，提交测试集评估指标 5.使用MMPose算法库，训练RTMPose耳朵关键点检测算法，提交测试集评估指标 6.用自己耳朵的图像预测，将预测结果发到群里 7.用自己耳朵的视频预测，将预测结果发到群里 需提交的测试集评估指标（不能低于baseline指标的50%） > 目标检测Baseline模型（RTMDet-tiny）  > 关键点检测Baseline模型（RTMPose-s）  数据集 耳朵穴位关键点检测数据集，MS COCO格式，划分好了训练集和测试集，并写好了样例config配置文件 链接: https://pan.baidu.com/s/1swTLpArj7XEDXW4d0lo7Mg 提取码: 741p 标注人：张子豪、田文博  **提交方式** 请将作业内容上传到你自己的github仓库，并把对应的链接回复在飞书的作业一评论区
### Checklist - [X] 1. I have searched related issues but cannot get the expected help. - [X] 2. The bug has not been fixed in the latest version. ###...
### Motivation AssertionError: Support only `c4`, `ptb`, `wikitext2` or `pileval`. 可以支持本地的数据集作为校准数据集吗，校准数据集的格式有什么要求吗？ ### Related resources _No response_ ### Additional context _No response_