比特派官网苹果版下载|balloon气球

作者: 比特派官网苹果版下载
2024-03-17 04:34:49

气球 (豆瓣)

下载豆瓣客户端

豆瓣 6.0 全新发布

豆瓣

扫码直接下载

iPhone

Android

豆瓣

读书

电影

音乐

同城

小组

阅读

时间

豆品

豆瓣电影

搜索：

影讯&购票

选电影

电视剧

排行榜

影评

2023年度榜单

2023年度报告

气球 Ballon

(2018)

导演: 米夏埃尔·赫尔比希

编剧: 基·霍普金斯 / 蒂洛·罗斯切森 / 米夏埃尔·赫尔比希

主演: 弗莱德里奇·穆克 / 卡罗利妮·舒赫 / 大卫·克劳斯 / 艾丽西娅·冯·里特贝格 / 托马斯·克莱舒曼 / 乔纳斯·霍登里德尔 / 蒂尔曼·多布勒 / 克里斯蒂安·内特 / 罗纳德·库克利斯 / 塞巴斯蒂安·胡克 / 乌尔里奇·布兰德霍夫 / 柏恩德·麦克·莱德 / 凯·伊沃·保利兹 / 贝恩德·斯特格曼 / 安婕·特拉乌

类型: 剧情 / 惊悚 / 历史

制片国家/地区: 德国

语言: 德语 / 英语

上映日期: 2018-09-27(德国)

片长: 125分钟

又名: 翻墙热气球(港) / 奇迹热气球(台) / Der Ballon / Balloon / Le Vent de la Liberté

IMDb: tt7125774

豆瓣评分

引用

8.4

58869人评价

5星

34.4%

4星

51.4%

3星

13.0%

2星

0.9%

1星

0.3%

好于 94% 历史片

好于 90% 剧情片

想看

看过

评价:

写短评

写影评

分享到

balloon - 搜索词典

oon - 搜索词典 Rewards网页图片视频学术词典地图更多航班我的必应笔记本balloon美 [bəˈlun] 英 [bəˈluːn] n.气球；热气球adj.气球状的；(货物等)分量轻而体积大的v.涨大；乘热气球飞行网络汽球；玩具气球；飞船复数：balloons 现在分词：ballooning 过去式：ballooned 搭配同义词反义词v.+n.burst balloon,inflate balloonadj.+n.red balloon,blue balloon,latex balloon,yellow balloonv.deflatev.swell,distend,inflate,expand,puff outn.hot-air balloon,inflatable权威英汉双解英汉英英网络释义balloon显示所有例句n.1.气球a small bag made of very thin rubber that becomes larger and rounder when you fill it with air or gas. Balloons are brightly coloured and used as decorations or toys.to blow up/burst/pop a balloon吹起气球；使气球爆裂2.热气球a large balloon made of strong material that is filled with hot air or gas to make it rise in the air, usually carrying a basket for passengersIDMwhen the balloon goes up(informal)意料中的麻烦出现时；（不出所料）出乱子时when the trouble that you are expecting beginsv.1.[i]~ (out/up)（突然）膨胀，涨大to suddenly swell out or get biggerHer skirt ballooned out in the wind.她的裙子让风吹得鼓起来了。2.[i]乘热气球飞行to travel in a hot-air balloon as a sportn.1.轻气球,气球;气罐2.【印,纺】气圈3.【建】球饰4.【化】球形大烧瓶5.(漫画中人物的)讲话引线1.轻气球,气球;气罐2.【印,纺】气圈3.【建】球饰4.【化】球形大烧瓶5.(漫画中人物的)讲话引线v.1.激增2.用[坐]气球上升3.膨胀如气球4.〈美〉(演员)忘记台词5.使充气,使膨胀如气球1.激增2.用[坐]气球上升3.膨胀如气球4.〈美〉(演员)忘记台词5.使充气,使膨胀如气球adj.1.气球状的2.(货物等)分量轻而体积大的3.(分期付款)最后一笔大数目的n.1.a large strong bag filled with gas or hot air that can float in the air. Some balloons have a large basket hanging under them in which people can travel.; a small colored bag of thin rubber that you fill with air, used as a child’s toy or a decoration; a small bag that a doctor puts into a part of your body and fills with air in order to force something out2.a circle around the words spoken by characters in cartoon drawingsv.1.to become larger and rounder in shape2.to increase very quickly in amount or degree1.气球小学英语单词表总汇_百度文库 ... kite 风筝 balloon 气球 car 小汽车 ... wenku.baidu.com|基于9175个网页2.汽球小学英语词汇归类表(三年级上册----六年级下册) ... kite( 风筝) balloon( 汽球) box( 盒子) ... www.5ykj.com|基于1503个网页3.玩具气球大学英语四级考试大纲 - 豆丁网 ... ball n. 球，球状物；舞会 balloon n. 气球，玩具气球 banana n. 香蕉；芭蕉属植物 ... www.docin.com|基于308个网页4.热气球儿童游戏_小精灵儿童网站 ... Camera( 摄像机) Balloon( 热气球) Chinese Cap( 中国帽) ... www.060s.com|基于297个网页5.飞船新概念英语第二册单词表word版下载_百度文库 ... bag n. 手提包，钱包，袋 balloon n. 气球，飞船 bark vi. 吠叫，咆哮，怒吼 ... wenku.baidu.com|基于143个网页6.激增GRE反义大全(3) Gzu521.com我的学习网 ... balky 倔强的 balloon 激增，飞涨 balm 温和物质 ... www.gzu521.com|基于106个网页7.气球形裙服装英语电子小词典(j精华版)[中华纺织网论坛] ... Inverness 披肩外套 Balloon 气球形裙 Bell 钟形裙 ... bbs.texindex.com.cn|基于73个网页8.气球状的机械词典大全-机械资讯-马棚网（第33/627页） ... ballhead system；球头系统 balloon；气球，气球状的 balloon tire；低压轮 …www.mapeng.net|基于47个网页更多释义收起释义例句释义:全部全部,气球气球,热气球热气球,气球状的气球状的,分量轻而体积大的分量轻而体积大的,涨大涨大,乘热气球飞行乘热气球飞行,汽球汽球,玩具气球玩具气球,飞船飞船类别:全部全部,口语口语,书面语书面语,标题标题,技术技术来源:全部全部,字典字典,网络网络难度:全部全部,简单简单,中等中等,难难更多例句筛选收起例句筛选1.Professor Fergusson plans to make aviation history by making his way across Africa by balloon.弗格森教授计划通过乘坐气球穿越非洲使其成为航空史上的里程碑。www.kuenglish.info2.If the implementation is just a bit insecure, a hole is opened on the boundary: the balloon deflates or, worst case, explodes.如果实现不是很安全，那么这个边界上就会出现漏洞：导致气球消气了，或者最糟糕的情况是气球炸了。www.ibm.com3.The slum in early spring nighttime, the sky is a balloon, a few slogans on the wall, an one female of male is turning on a light.早春夜间的贫民窟，天上是一颗气球，墙上是几条标语，一男一女正在开灯。bbs.17pr.com4.The new museum building looks like a balloon lying on its side ready to launch. Outside is a real balloon ready to take visitors for a ride.新的博物馆看上去象是一个气球卧着准备发射。外面是一个真的气球好像准备带游客去飞行。home.hjenglish.com5."We're going to go back to the United States soon, our life is there, " he said, holding a heart-shaped pink balloon.拿着一只心形粉红色气球，他说：“我们将很快回到美国，我们的生活在那里”dictsearch.appspot.com6.Before humans were sent up in the balloon, a test flight was made using three animals: a sheep, a duck, and a rooster.在热气球载人飞行之前，首先进行飞行试验的是三只动物：一只羊，一只鸭子和一只公鸡。bbs.qiuyang.com7.And the owner of the balloon wasn't very big. . . but he was big enough for George to see that he was angry!还有那个气球主人也不大……不过还够大，乔治看到他生气了！www.dreamkidland.cn8.To prevent scar tissue from returning, your doctor may give you estrogen and place a balloon in your uterus for up to a week after surgery.为了预防复发，医生能够会让你服雌激素，或术后一周在宫腔放气囊。www.51chati.com9.Bob mentioned the class presidency to Ted as a trial balloon to see if Ted might be interested in running.鲍勃向特德提到班主席职位以试探特德是否热衷于参加其竞选。wenwen.soso.com10.The balloon and stent are delivered to the heart area via a long catheter inserted into a blood vessel in the patient's thigh.气球和支架经导管通过患者大腿血管置入到心脏区域。www.suiniyi.com12345© 2024 Microsoft隐私声明和 Cookie法律声明广告帮

BALLOON中文(简体)翻译：剑桥词典

词典

翻译

语法

同义词词典

+Plus

剑桥词典+Plus

Shop

剑桥词典+Plus

我的主页

+Plus 帮助

退出

剑桥词典+Plus

我的主页

+Plus 帮助

退出

中文 (简体)

查找

英语-中文（简体）

balloon 在英语-中文（简体）词典中的翻译

balloonnoun [ C ] uk

Your browser doesn't support HTML5 audio

/bəˈluːn/ us

Your browser doesn't support HTML5 audio

/bəˈluːn/

Add to word list

A2 a small, very thin rubber bag that you blow air into or fill with a light gas until it is round in shape, used for decoration at parties or as a children's toy

气球

We tied balloons and streamers to the ceiling ready for the party.

我们把气球和彩带系在顶棚上，晚会已布置妥当。

(also hot-air balloon) a very large balloon that is filled with hot air or gas and can carry people in a basket (= open container ) hanging under it

热气球

People first flew in a balloon in 1783.

人类于1783年首次乘热气球飞行。

speech bubble

（漫画中的）对话框，话泡泡

更多范例减少例句He let the air out of the balloon.The balloon went bang when it landed on the bush.Lottie was carrying a balloon.She pricked the balloon with a pin and it burst with a loud bang.The balloon rose gently up into the air.

习语

the balloon goes up

balloonverb [ I ] uk

Your browser doesn't support HTML5 audio

/bəˈluːn/ us

Your browser doesn't support HTML5 audio

/bəˈluːn/

to get bigger and rounder

像气球般膨胀

I ballooned when I was pregnant with my second baby.

怀第二个孩子时，我胖得像个气球。

to quickly increase in size, weight, or importance

（在大小、重量或重要性上）激增

The rumours soon ballooned into a full-blown scandal.

这些传闻不久就完全演变成了一起丑闻。

(balloon在剑桥英语-中文（简体）词典的翻译 © Cambridge University Press)

balloon的例句

balloon

Clearly, a specialist diet makes ballooning altogether more risky, unless these species have a greater ability to withstand starvation than polyphagous ballooners.

来自 Cambridge English Corpus

They suggested that the use of oversized balloons offered no clear advantage and may increase the risk of complications.

来自 Cambridge English Corpus

In this paradigm, ballooning appears to be largely driven by the unpredictable and comparatively high degree of habitat perturbation, not by host associations.

来自 Cambridge English Corpus

When a serious problem arose, the number of petitions must have ballooned to a staggering degree.

来自 Cambridge English Corpus

Molecular approaches hold the possibility of investigating ballooning population genetic structuring, and evaluating how this is affected by behaviour (see later).

来自 Cambridge English Corpus

The number of capital statutes ballooned in the eighteenth century to over 200.

来自 Cambridge English Corpus

The consumption of balloons proved even more appealing, perhaps, because established scientific patrons and institutions did little to support this new invention.

来自 Cambridge English Corpus

Even so, that ballooning emerged independently in each of the three groups is unlikely to be disputed.

来自 Cambridge English Corpus

示例中的观点不代表剑桥词典编辑、剑桥大学出版社和其许可证颁发者的观点。

balloon的翻译

中文（繁体）

氣球, 熱氣球, （漫畫中的）對話方塊，話泡泡…

查看更多内容

西班牙语

globo, aerostato, bocadillo…

查看更多内容

葡萄牙语

balão, inflar-se, inchar-se…

查看更多内容

更多语言

in Marathi

日语

土耳其语

法语

加泰罗尼亚语

in Dutch

in Tamil

in Hindi

in Gujarati

丹麦语

in Swedish

马来语

德语

挪威语

in Urdu

in Ukrainian

俄语

in Telugu

阿拉伯语

in Bengali

捷克语

印尼语

泰语

越南语

波兰语

韩语

意大利语

फुगा, गरम हवा किंवा हवेपेक्षा हलका वायू भरलेले रवरी फुगे. याच्या तळात टोपली बांधून त्यातून प्रवासी वाहतूक केली जाते.…

查看更多内容

ふうせん, 急激に太る, 風船（ふうせん）…

查看更多内容

balon, büyümek, genişlemek…

查看更多内容

ballon [masculine], une montgolfière, ballon…

查看更多内容

globus, inflar-se, augmentar…

查看更多内容

ballon…

查看更多内容

ஒரு சிறிய, மிக மெல்லிய ரப்பர் பையில் நீங்கள் காற்றை ஊதுகிறீர்கள் (நிரப்பப்படுகிறது) அல்லது ஒரு லேசான வாயுவை நிரப்புகிறீர்கள், அது உருண்டை வடிவம் ஆகும் வரை. நிகழ்ச்சிகளில் அலங்காரத்திற்காக பயன்படுத்தக்கூடியது அல்லது குழந்தைகள் விளையாடுவதற்கு பொம்மையாகப் பயன்படுத்தப்படுகிறது…

查看更多内容

गुब्बारा, बैलून, जिसमें गर्म हवा या गैस भरी जाती है और उसके नीचे एक टोकरी में लोग सवार होते हैं…

查看更多内容

ફુગ્ગો., બલૂન, ફુગ્ગો…

查看更多内容

ballon…

查看更多内容

ballong…

查看更多内容

belon…

查看更多内容

der Luftballon…

查看更多内容

ballong [masculine], ballong…

查看更多内容

غبارہ, غبارہ(اڑنے والا)…

查看更多内容

повітряна куля…

查看更多内容

воздушный шар, раздуваться, становиться больше…

查看更多内容

బెలూన్, వేడిగాలి లేదా గ్యాస్ తో నింపబడి, క్రిందన వేలాడదీసిన బుట్టలో జనాలను మోసుకొని పోగల చాలాపెద్ద బెలూన్…

查看更多内容

بالون, مِنْطاد, يَنفُخ…

查看更多内容

বেলুন, একটি ছোটো, খুব পাতলা রাবার ব্যাগ যেটিতে আপনি ফুঁ দিয়ে বাতাস ভরে দেবেন বা হালকা গ্যাস দিয়ে যেটি ভর্তি করবেন যতক্ষণ না এটি আকারে গোল হয়…

查看更多内容

balon(ek)…

查看更多内容

balon…

查看更多内容

ลูกโป่ง, ลูกบอลลูน…

查看更多内容

kinh khí cầu…

查看更多内容

balonik, balon, rozrastać się…

查看更多内容

풍선, 갑자기 부풀어 오르다…

查看更多内容

palloncino, gonfiarsi come un pallone, aumentare di peso…

查看更多内容

需要一个翻译器吗？

获得快速、免费的翻译！

翻译器工具

balloon的发音是什么？

在英语词典中查看 balloon 的释义

浏览

ballistic

ballistic missile

ballistics

ballon

balloon

balloonist

ballot

ballot box

ballot rigging

balloon更多的中文(简体)翻译

全部

trial balloon

barrage balloon

weather balloon

hot-air balloon

the balloon goes up idiom

sink like a lead balloon, at sink like a stone idiom

go down like a lead balloon idiom

查看全部意思»

惯用语

the balloon goes up idiom

sink like a lead balloon, at sink like a stone idiom

go down like a lead balloon idiom

查看全部惯用语意思»

“每日一词”

token

Your browser doesn't support HTML5 audio

/ˈtəʊ.kən/

Your browser doesn't support HTML5 audio

/ˈtoʊ.kən/

something that you do, or a thing that you give someone, that expresses your feelings or intentions, although it might have little practical effect

关于这个

博客

Renowned and celebrated (Words meaning ‘famous’)

March 13, 2024

新词

inverse vaccine

March 11, 2024

已添加至 list

回到页面顶端

内容

英语-中文（简体）例句翻译

©剑桥大学出版社与评估2024

学习

新词

帮助

纸质书出版

Word of the Year 2021

Word of the Year 2022

Word of the Year 2023

开发

词典API

双击查看

搜索Widgets

执照数据

关于

无障碍阅读

剑桥英语教学

剑桥大学出版社与评估

授权管理

Cookies与隐私保护

语料库

使用条款

京ICP备14002226号-2

©剑桥大学出版社与评估2024

剑桥词典+Plus

我的主页

+Plus 帮助

退出

词典

定义

清晰解释自然的书面和口头英语

英语

学习词典

基础英式英语

基础美式英语

翻译

点击箭头改变翻译方向。

双语词典

英语-中文（简体）

Chinese (Simplified)–English

英语-中文（繁体）

Chinese (Traditional)–English

英语-荷兰语

荷兰语-英语

英语-法语

法语-英语

英语-德语

德语-英语

英语-印尼语

印尼语-英语

英语-意大利语

意大利语-英语

英语-日语

日语-英语

英语-挪威语

挪威语-英语

英语-波兰语

波兰语-英语

英语-葡萄牙语

葡萄牙语-英语

英语-西班牙语

西班牙语-英语

English–Swedish

Swedish–English

半双语词典

英语-阿拉伯语

英语-孟加拉语

英语-加泰罗尼亚语

英语-捷克语

英语-丹麦语

English–Gujarati

英语-印地语

英语-韩语

英语-马来语

英语-马拉地语

英语-俄语

English–Tamil

English–Telugu

英语-泰语

英语-土耳其语

英语-乌克兰语

English–Urdu

英语-越南语

翻译

语法

同义词词典

Pronunciation

剑桥词典+Plus

Shop

剑桥词典+Plus

我的主页

+Plus 帮助

退出

中文 (简体)

Change

English (UK)

English (US)

Español

Русский

Português

Deutsch

Français

Italiano

中文 (简体)

正體中文 (繁體)

Polski

한국어

Türkçe

日本語

Tiếng Việt

हिंदी

தமிழ்

తెలుగు

关注我们

选择一本词典

房地产贷款中的气球贷款（Balloon Payment Mortgage） - 知乎

房地产贷款中的气球贷款（Balloon Payment Mortgage） - 知乎首发于美国地产小知识切换模式写文章登录/注册房地产贷款中的气球贷款（Balloon Payment Mortgage）HoneyMooseiSharkFly - 鲨鱼君气球贷款要求贷款人在一定短期内（通常是3年、5年或7年）全部付清贷款余额。这类贷款的利率可固定或变化。大额尾付贷款的另外一种叫法又被称为“气球贷款”是一种比较特殊的贷款，它的贷款期限一般限制在短期(例如3的7年)内，但它的每期付款金额却是按照长期贷款(例如，15年到30年)来计算的。这种计算一方面会降低每期的还款金额，但另一方面会在贷款期限结束时，积累一笔很大的金额，称之为大额尾付金额。大额尾付贷款的利率一般在大额尾付贷款期间是固定的。这种贷款就和气球一样，在开始的时候比较小，但是最后却有一笔比较大的尾款。这笔尾款会要求借款人到期偿付的。气球贷款的出现在美国的房地产金融体系中，你的月供多少是通过你的收入比的体现的。通常你的月供和还款压力不应该超如你收入的 50%，不同银行的要求是不一样的。这里的还款压力包括有所有的还款，如果你有信用卡，那么按照你信用卡的最低还款额度计算。如果你有车贷，那么按照你的车贷的月供计算。当然还有地产税，地产税的偿付也是要计算到月供里面的。这样算下来的的话，如果使用长期贷款比如说 15 年，你的月供比率可能会比较高，导致银行不放款。解决办法就是提高首付减少贷款金额或者延长贷款年限。如果延长贷款年限还是没有办法解决这个贷款比例的问题的话，那么需要考虑使用不同方式了。气球贷”并不适合所有借款人，具有以下经济状况或贷款意愿的人群可以考虑选用“气球贷。考虑中短期贷款的人，贷款期限一般为 3-5 年。贷款前期每月的同定收入较低的人，借款人不能承担普通短期贷款的高月供，但是预计在贷款期末有一笔较大的资金进账，足以支付“气球贷”期末应付的较大数额的一次性清偿的剩余本金。有更好的投资渠道，且投资收益率高于银行贷款利率，一段时间后预期获得本金和收益，一次性偿还剩余的贷款本金。敢于承担风险的投资者，这样的借款人在贷款前期仅偿还较少的月供，贷款结束期末一次偿还剩余本金需注意一点，想短期贷款而且有能力承担高月供的借款人不适合选择“气球贷”，因为上面可以看出，同样贷款期限的“气球贷”与普通贷款相比所偿还的总利息要髙。针对中国的家庭来说，如果在贷款末期的最后偿付金额是可以在家庭范围内想办法解决的，但是又不愿意承担比较高的月供的话，气球贷款还是可以考虑的。算法举例假设你现在要一个 5 年的 Balloon Payment 贷款。房屋的成交价格为：438K首付为 20%：87.6K当前贷款利率为：3.0%如上面的图显示的。你的实际贷款金额为：350.4K你的月供将会为 1.478K在 5 年后，你还需要支付给银行 313.005K。这笔偿付金额还是比较高的，通常来说还是需要购房人能够比较准确的了解当前自己的经济状况。https://www.usrealestate.io/t/topic/80发布于 2021-07-17 03:40银行贷款贷款利率赞同 21 条评论分享喜欢收藏申请转载文章被以下专栏收录美国地产小知识美国地产和资本投资的

balloon是什么意思_balloon的翻译_音标_读音_用法_例句_爱词霸在线词典

oon是什么意思_balloon的翻译_音标_读音_用法_例句_爱词霸在线词典首页翻译背单词写作校对词霸下载用户反馈专栏平台登录balloon是什么意思_balloon用英语怎么说_balloon的翻译_balloon翻译成_balloon的中文意思_balloon怎么读,balloon的读音,balloon的用法,balloon的例句翻译人工翻译试试人工翻译翻译全文简明柯林斯牛津balloon高中/CET4/CET6/考研/GRE/TOEFL英 [bəˈluːn]美 [bəˈluːn]释义n.（热）气球v.膨胀，激增; 乘热气球飞行大小写变形:Balloon点击人工翻译，了解更多人工释义词态变化复数: balloons;第三人称单数: balloons;过去式: ballooned;过去分词: ballooned;现在分词: ballooning;实用场景例句全部气球热气球膨胀激增Her skirt ballooned out in the wind.她的裙子让风吹得鼓起来了。牛津词典to blow up/burst/pop a balloon吹起气球；使气球爆裂牛津词典The budget deficit has ballooned to $25 billion...预算赤字已经猛增到250亿美元。柯林斯高阶英语词典In London, the use of the Tube has ballooned...在伦敦，坐地铁的人激增。柯林斯高阶英语词典She popped a balloon with her fork.她用叉子戳破了一个气球。柯林斯高阶英语词典They are to attempt to be the first to circle the Earth non-stop by balloon.他们试图完成乘热气球不间断环球飞行的创举。柯林斯高阶英语词典The balloon blew out.气球爆了.期刊摘选When balloon was over the station, the pilot saw one of the men taking photographs.当气球飘到基地上空时, 这位飞行员看见其中一人在拍照.期刊摘选Conclusions: Transluminal balloon dilatation is a safe and effective method for treating postoperative strictures the ureter.结论: 腔内球囊扩张对治疗输尿管外科手术后狭窄是一种安全而有效的方法.期刊摘选Lily is chasing a balloon.莉莉在追汽球.期刊摘选The balloon cleared the tree tops.气球飞过了树梢.期刊摘选His jokes about woman drivers went down like a lead balloon.他讲了不少女人驾车的笑话,但没人笑.《简明英汉词典》Soon afterwards, the balloon began to descend and it landed near an airfield.后来不久, 那只气球开始下降了,结果它在一个机场附近着陆了.《用法词典》He pricked the toy balloon.他在玩具气球上刺洞.辞典例句Pinch a small bubble from the knot and fold the balloon.从打结处捏出一个小泡泡,然后摺叠气球.期刊摘选The balloon has blown.气球炸开了.《简明英汉词典》The balloon will pop if you put a pin in it.如果扎进一颗大头钉,气球就会突然爆开.《简明英汉词典》A balloon floated across the sky.气球飘过天空.《现代汉英综合大词典》With a supply of compressed air, the large balloon inflated in a matter of seconds.大气球注入压缩空气后, 几秒钟便膨胀了起来.《简明英汉词典》Don't blow the balloon up any further! It'll burst!别给气球多充气了! 它会破的!《简明英汉词典》Gas dilates the balloon.气体使汽球膨胀.《现代英汉综合大词典》He popped the balloon with a pin.他用针戳破了气球.《简明英汉词典》The balloon rose up slowly into the air.气球缓缓升上天空.《现代汉英综合大词典》The balloon soared up on a gust of wind.一阵狂风把气球吹向风中.《简明英汉词典》The balloon enlarged as we pumped air into it.那个气球充气后就变大了.《简明英汉词典》收起实用场景例句真题例句全部六级James hiked, fished, learnt to sail and experimented with hot air ballooning.出自-2013年12月听力原文收起真题例句英英释义Noun1. small thin inflatable rubber bag with narrow neck2. large tough non-rigid bag filled with gas or heated airVerb1. ride in a hot-air balloon;"He tried to balloon around the earth but storms forced him to land in China"2. become inflated;"The sails ballooned"收起英英释义词根词缀词根: ball=throw/dance/ball,表示"抛,舞,球"n.ball 球, 球状物ball球→n.球, 球状物ballad 歌谣,小曲ball抛,舞,球+ad表名词→伴随舞蹈的歌谣ballerina 芭蕾舞女演员ballet芭蕾舞+rina女→ballerina演芭蕾舞的女演员ballet 芭蕾舞ball抛,舞,球+et→舞蹈→芭蕾舞ballistics 弹道学ball抛,舞,球+istics=istic学科→对抛出去的[线路]研究→弹道学balloon 气球ball球+oon物→n.气球ballroom 舞厅ball抛,舞,球+room房间→n.舞厅bullet 枪弹bull=ball球+et小→小球→子弹v.ballot 投票ball抛,舞,球+ot→来自投票用的小球词组搭配when (或 before) the balloon goes up(informal)when (or before) the action or trouble starts(非正式)行动（或麻烦）开始（之前）收起词组搭配同义词adj.翻腾的,鼓胀的billowedv.增长,扩大multiplyheightenmagnifyaddamplifytoaugmentincreaseenlargev.膨胀;扩展billowspreadbloatstretchoutswellpuffdilateoutstretchdistendbellytumefyinflateexpandoutspreadn.气球,轻气球装置aerostat行业词典体育气球医学囊，气球：一个能插入体腔或管内并用空气或气体使之膨胀的囊加气膨胀航空气球无推进装置，以轻于空气的气囊提供浮力支持其重量的航空器。金融分期付款中最后一笔大数气球尾款常用俚语balloon room[吸毒者用语]吸大麻的房间go over like a lead balloon惨败The joke went over like a lead balloon.这笑话说得一点也不好笑。My appeal to his better nature went over like a lead balloon.我求他发发善心，结果是白费劲。释义词态变化实用场景例句真题例句英英释义词根词缀词组搭配同义词行业词典常

气球 (豆瓣)

下载豆瓣客户端

豆瓣 6.0 全新发布

豆瓣

扫码直接下载

iPhone

Android

豆瓣

读书

电影

音乐

同城

小组

阅读

时间

豆品

豆瓣电影

搜索：

影讯&购票

选电影

电视剧

排行榜

影评

2023年度榜单

2023年度报告

气球

(2019)

导演: 万玛才旦

编剧: 万玛才旦

主演: 索朗旺姆 / 金巴 / 杨秀措

类型: 剧情

制片国家/地区: 中国大陆

语言: 藏语

上映日期: 2020-11-20(中国大陆) / 2019-08-30(威尼斯电影节)

片长: 102分钟

又名: དབུགས་ལྒང་། / Balloon / 羊飼いと風船

IMDb: tt10703752

豆瓣评分

引用

7.7

93794人评价

5星

13.1%

4星

60.6%

3星

24.6%

2星

1.5%

1星

0.2%

好于 87% 剧情片

想看

看过

评价:

写短评

写影评

分享到

使用MMDetection3.x 在Balloon气球数据集上训练并对视频进行实例分割和制作成Color Splash效果 - 知乎

使用MMDetection3.x 在Balloon气球数据集上训练并对视频进行实例分割和制作成Color Splash效果 - 知乎首发于CV with OpenMMLab切换模式写文章登录/注册使用MMDetection3.x 在Balloon气球数据集上训练并对视频进行实例分割和制作成Color Splash效果chg0901风景摄影爱好者0. 关键词：MMDetection3.x，Balloon，物体检测，实例分割，Color Splash，openmmlab，mmdet, CoCo, mask rcnn, config, train, inference, 视频读写，可视化，mmlab21. 结果在前生成的模型在测试集上的测试与ground truth比较最终Color Splash效果GIF文章很长，处理后的视频在后面，记得看呀 ^_^视频其实是个超链接（14.4M），急得话那就点一下吧2 导语之前用做了MMDET2.x的balloon数据集作业，这里我们用MMDET3.x with MMLAB2新API重新做一下，感兴趣的小伙伴可以去Github上看下二者具体的代码，链接放在下面了，欢迎star.事实上，MMDetection2.x到MMDetection3.x不同版本的过渡还是挺轻松的，只改动了少量的API，主要是一些方法从mmcv转移到mmengine，然后MMDET3.x采用了更好的Visualizer，和MMCLS类似，这让可视化更加方便和直觉。1. AnchorGeneratorfrom mmdet.core.anchor import AnchorGenerator

# from mmdet.models.task_modules import AnchorGenerator # for mmlabv2.2. mmcv --> mmenginemmcv.list_from_file/dump -->mmengine.list_from_file/dump3. 实验环境创建和检查# # python,envs, pytorch, torchvision

conda create --name openmmlab python=3.8 -y

conda activate openmmlab

conda install pytorch torchvision -c pytorch

# # mim, mmengine, mmcv

pip install -U openmim

mim install mmengine

mim install "mmcv>=2.0.0rc1"

# # option 1

mim install "mmdet>=3.0.0rc0"

# # option 2

# git clone https://github.com/open-mmlab/mmdetection.git -b 3.x

# # "-b 3.x" means checkout to the `3.x` branch.

# cd mmdetection

# pip install -v -e .

# # "-v" means verbose, or more output

# # "-e" means installing a project in editable mode,

# # thus any local modifications made to the code will take effect without reinstallation.

import torch

import mmcv

import mmdet

print(torch.__version__,mmcv.__version__,mmdet.__version__)

# 1.6.0 2.0.0rc3 3.0.0rc54. 实例分割数据集BalloonBalloon是带有mask的气球数据集可以用于实例分割等计算机视觉任务，其中训练集包含61张图片，验证集包含13张图片。下载链接：Mask_RCNN balloon_dataset.zip matterport训练集和测试集中分别有mask标注文件via_region_data.json# 查看数据集文件夹树状结构

!tree balloon/

balloon/

├── train

│ ├── 10464445726_6f1e3bbe6a_k.jpg

│ ├── 12037308314_e16fb3a0f7_k.jpg

│ ├── 120853323_d4788431b9_b.jpg

.........................

│ ├── 8758393087_76fcd56bd3_k.jpg

│ ├── 9210739293_2b0e0d991e_k.jpg

│ ├── 9330497995_4cf0438cb6_k.jpg

│ ├── train.json

│ └── via_region_data.json

└── val

├── 14898532020_ba6199dd22_k.jpg

├── 16335852991_f55de7958d_k.jpg

├── 24631331976_defa3bb61f_k.jpg

.........................

├── 5603212091_2dfe16ea72_b.jpg

├── 6810773040_3d81036d05_k.jpg

├── 8053085540_a72bd21a64_k.jpg

├── val.json

└── via_region_data.json

2 directories, 78 filesvia_region_data.json中标注格式如下：{'base64_img_data': '',

'file_attributes': {},

'filename': '34020010494_e5cb88e1c4_k.jpg',

'fileref': '',

'regions': {'0': {'region_attributes': {},

'shape_attributes': {'all_points_x': [1020,

1000,

994,

1003,

...

1104,

1061,

1032,

1020],

'all_points_y': [963,

899,

841,

787,

...

1084,

1037,

989,

963],

'name': 'polygon'}}},

'size': 1115004}标注文件时是 JSON 格式的，其中所有键（key）组成了一张图片的所有标注。5. 新数据集的支持由于需要支持新的数据集，请同学们选择MMDetection支持的以下方法来操作:将数据集整理为COCO格式将数据集整理为中间格式直接实现新数据集的支持注：方法2，3不直接支持分割任务，需要后处理。这里推荐使用方法1。在本文档中，我们展示一个例子来说明如何将数据转化为 COCO 格式。 COCO格式应该是最常用的，因此我将官方文档放在本文供自己和读者查看。☆COCO标注格式用于实例分割的 COCO 数据集格式如下所示，其中的键（key）都是必要的，参考Common Objects in Context来获取更多细节。{

"images": [image],

"annotations": [annotation],

"categories": [category]

}

image = {

"id": int,

"width": int,

"height": int,

"file_name": str,

}

annotation = {

"id": int,

"image_id": int,

"category_id": int,

"segmentation": RLE or [polygon],

"area": float,

"bbox": [x,y,width,height], # (x, y) 为 bbox 左上角的坐标

"iscrowd": 0 or 1,

}

categories = [{

"id": int,

"name": str,

"supercategory": str,

}] Balloon dataset json转 COCO 格式下载了数据集之后，我们需要实现一个函数将标注格式转化为 COCO 格式。然后我们就可以使用已经实现的 CocoDataset 类来加载数据并进行训练以及评测。其中将 balloon dataset 转化为 COCO 格式的完整代码如下所示。import os.path as osp

import mmcv

from mmengine.fileio import dump, load

from mmengine.utils import track_iter_progress

def convert_balloon_to_coco(ann_file, out_file, image_prefix):

data_infos = load(ann_file)

annotations = []

images = []

obj_count = 0

for idx, v in enumerate(track_iter_progress(data_infos.values())):

filename = v['filename']

img_path = osp.join(image_prefix, filename)

height, width = mmcv.imread(img_path).shape[:2]

images.append(

dict(id=idx, file_name=filename, height=height, width=width))

for _, obj in v['regions'].items():

assert not obj['region_attributes']

obj = obj['shape_attributes']

px = obj['all_points_x']

py = obj['all_points_y']

poly = [(x + 0.5, y + 0.5) for x, y in zip(px, py)]

poly = [p for x in poly for p in x]

x_min, y_min, x_max, y_max = (min(px), min(py), max(px), max(py))

data_anno = dict(

image_id=idx,

id=obj_count,

category_id=0,

bbox=[x_min, y_min, x_max - x_min, y_max - y_min],

area=(x_max - x_min) * (y_max - y_min),

segmentation=[poly],

iscrowd=0)

annotations.append(data_anno)

obj_count += 1

coco_format_json = dict(

images=images,

annotations=annotations,

categories=[{

'id': 0,

'name': 'balloon'

}])

dump(coco_format_json, out_file)

if __name__ == '__main__':

convert_balloon_to_coco(ann_file='data/balloon/train/via_region_data.json',

out_file='data/balloon/train/annotation_coco.json',

image_prefix='data/balloon/train')

convert_balloon_to_coco(ann_file='data/balloon/val/via_region_data.json',

out_file='data/balloon/val/annotation_coco.json',

image_prefix='data/balloon/val')使用如上的函数，用户可以成功将标注文件转化为 JSON 格式，之后可以使用 CocoDataset对模型进行训练，并用CocoMetric评测。# generate coco format json

!python balloon2CoCoFormat3.py

# [>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>] 61/61, 46.9 task/s, elapsed: 1s, ETA: 0s

# [>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>] 13/13, 50.7 task/s, elapsed: 0s, ETA: 0s6. 构建配置文件下载原始配置文件从 Model Zoo 中找到 mask rcnn 模型并找到 configs/mask_rcnn/ 中对应的模型配置文件。将模型下载到环境中，通常放在放置在 checkpoints 文件夹中。可以参考：https://github.com/open-mmlab/mmdetection/tree/master/configs/mask_rcnn# download the pretrained model with smallest size

!mim download mmdet --config mask-rcnn_r50_fpn_2x_coco --dest .构建配置文件可以使用继承机制，从选择模型配置中继承，并修改自定义数据集需要的内容。训练前测试模型下载完模型和权重之后，我们可以尝试用预训练的权重和配置文件在数据集上运行一下# Test model before retraining

from mmdet.apis import init_detector,inference_detector # ,show_result_pyplot

from mmdet.utils import register_all_modules

config_file = 'mask-rcnn_r50_fpn_2x_coco.py'

checkpoint_file = 'mask_rcnn_r50_fpn_2x_coco_bbox_mAP-0.392__segm_mAP-0.354_20200505_003907-3e542a40.pth'

register_all_modules()

model0 = init_detector(config_file,checkpoint_file,device='cpu')

from mmdet.registry import VISUALIZERS

# init the visualizer(execute this block only once)

visualizer = VISUALIZERS.build(model0.cfg.visualizer)

# the dataset_meta is loaded from the checkpoint and

# then pass to the model in init_detector

visualizer.dataset_meta = model0.dataset_meta

image_path = './data/balloon/val/410488422_5f8991f26e_b.jpg'

img = mmcv.imread( image_path, channel_order='rgb')

result = inference_detector(model0,img)

# show the results

visualizer.add_datasample(

'result',

img,

data_sample=result,

draw_gt=False,

wait_time=0,

)

visualizer.show()原图对比这里放一下原图我们比较一下，可以看出，预训练模型的效果还是不太好的其实修改好config文件后，我们也是可以使用预训练模型进行批量测试，看看预训练模型再我们修改的config配置下单效果如何这个代码主要用于MMDET2.x，因为该版本默认是不带ground的结果的，我们也可以自行配置。MMDET3.x版本中，使用python tools/dataset_converters/images2coco.py可以进行产生不带ground truth的预测图片这一步是需要修改config配置文件的，建议大家读完整篇再回来尝试，也可以作为训练前的debug# generate test results for test images

!python tools/test.py \

mask_rcnn_r50_fpn_2x_coco.py \

mask_rcnn_r50_fpn_2x_coco_bbox_mAP-0.392__segm_mAP-0.354_20200505_003907-3e542a40.pth \

--show-dir show批量可视化代码模板：可配置批量显示测试图片并保存成新图我还写了一个批量可视化所有测试结果的代码，大家可以借鉴一下。这里用的图片mmdet2.x训练成功后的预测图片，不带ground truth# generate visualization with test results for test images

import matplotlib.pyplot as plt

import os

import cv2

path_name = r'work_dirs/mask_rcnn_r50_fpn_2x_coco_balloon3/show'

num = 1

wid, hig = 20, 16

num_w, num_h = 3, 5

dpi = 300

# plt.rcParams['figure.dpi'] = dpi

plt.figure(figsize=(wid, hig),dpi=dpi)

for item in os.listdir(path=path_name):

img = cv2.imread(os.path.join(path_name,item))[:,:, ::-1]

# img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

plt.subplot(num_w, num_h, num)

num+=1

plt.imshow(img)

plt.title(item)

plt.xticks([])

plt.yticks([])

# break

# plt.savefig(f"work_dirs/mask-rcnn_r50_fpn_2x_coco_balloon3_new/result{num_w}x{num_h}_{wid}_{hig}dpi{dpi}.png")

plt.show()这里放一个我们训练好的图片意思下☆修改配置文件(含新数据集的注册)第二步需要准备一个配置文件来成功加载数据集。假设我们想要用 balloon dataset 来训练配备了 FPN 的 Mask R-CNN ，如下是我们的配置文件。配置文件命名为 mask-rcnn_r50-caffe_fpn_ms-poly-1x_balloon.py，相应保存路径为 configs/balloon/，配置文件内容如下所示。官方方法，简洁配置balloon数据集这个配置还是需要改动的不能直接用，只是为了展示与和下面完整config比较以显示区别# 新配置继承了基本配置，并做了必要的修改

_base_ = '../mask_rcnn/mask-rcnn_r50-caffe_fpn_ms-poly-1x_coco.py'

# 我们还需要更改 head 中的 num_classes 以匹配数据集中的类别数

model = dict(

roi_head=dict(

bbox_head=dict(num_classes=1), mask_head=dict(num_classes=1)))

# 修改数据集相关配置

data_root = 'data/balloon/'

metainfo = {

'classes': ('balloon', ),

'palette': [

(220, 20, 60),

]

}

train_dataloader = dict(

batch_size=1,

dataset=dict(

data_root=data_root,

metainfo=metainfo,

ann_file='train/annotation_coco.json',

data_prefix=dict(img='train/')))

val_dataloader = dict(

dataset=dict(

data_root=data_root,

metainfo=metainfo,

ann_file='val/annotation_coco.json',

data_prefix=dict(img='val/')))

test_dataloader = val_dataloader

# 修改评价指标相关配置

val_evaluator = dict(ann_file=data_root + 'val/annotation_coco.json')

test_evaluator = val_evaluator

# 使用预训练的 Mask R-CNN 模型权重来做初始化，可以提高模型性能

load_from = 'https://download.openmmlab.com/mmdetection/v2.0/mask_rcnn/mask_rcnn_r50_caffe_fpn_mstrain-poly_3x_coco/mask_rcnn_r50_caffe_fpn_mstrain-poly_3x_coco_bbox_mAP-0.408__segm_mAP-0.37_20200504_163245-42aa3d00.pth'完整mask-rcnn_r50_fpn_2x_coco配置文件下面会介绍如何将MMDET3.x mask-rcnn_r50_fpn_2x_coco配置文件修改为和balloon数据集对应的配置，需要注意的地方后面会专门提到，请注意查看详细介绍，请查看官方文档, 以后详细逐行解读下【ToDo list +1】# model settings

model = dict(

type='MaskRCNN',

data_preprocessor=dict(

type='DetDataPreprocessor',

mean=[123.675, 116.28, 103.53],

std=[58.395, 57.12, 57.375],

bgr_to_rgb=True,

pad_mask=True,

pad_size_divisor=32),

backbone=dict(

type='ResNet',

depth=50,

num_stages=4,

out_indices=(0, 1, 2, 3),

frozen_stages=1,

norm_cfg=dict(type='BN', requires_grad=True),

norm_eval=True,

style='pytorch',

init_cfg=dict(type='Pretrained', checkpoint='torchvision://resnet50')),

neck=dict(

type='FPN',

in_channels=[256, 512, 1024, 2048],

out_channels=256,

num_outs=5),

rpn_head=dict(

type='RPNHead',

in_channels=256,

feat_channels=256,

anchor_generator=dict(

type='AnchorGenerator',

scales=[8],

ratios=[0.5, 1.0, 2.0],

strides=[4, 8, 16, 32, 64]),

bbox_coder=dict(

type='DeltaXYWHBBoxCoder',

target_means=[.0, .0, .0, .0],

target_stds=[1.0, 1.0, 1.0, 1.0]),

loss_cls=dict(

type='CrossEntropyLoss', use_sigmoid=True, loss_weight=1.0),

loss_bbox=dict(type='L1Loss', loss_weight=1.0)),

roi_head=dict(

type='StandardRoIHead',

bbox_roi_extractor=dict(

type='SingleRoIExtractor',

roi_layer=dict(type='RoIAlign', output_size=7, sampling_ratio=0),

out_channels=256,

featmap_strides=[4, 8, 16, 32]),

bbox_head=dict(

type='Shared2FCBBoxHead',

in_channels=256,

fc_out_channels=1024,

roi_feat_size=7,

num_classes=1, # 只有一个balloon类，修改为num_classes=1

bbox_coder=dict(

type='DeltaXYWHBBoxCoder',

target_means=[0., 0., 0., 0.],

target_stds=[0.1, 0.1, 0.2, 0.2]),

reg_class_agnostic=False,

loss_cls=dict(

type='CrossEntropyLoss', use_sigmoid=False, loss_weight=1.0),

loss_bbox=dict(type='L1Loss', loss_weight=1.0)),

mask_roi_extractor=dict(

type='SingleRoIExtractor',

roi_layer=dict(type='RoIAlign', output_size=14, sampling_ratio=0),

out_channels=256,

featmap_strides=[4, 8, 16, 32]),

mask_head=dict(

type='FCNMaskHead',

num_convs=4,

in_channels=256,

conv_out_channels=256,

num_classes=1, # 只有一个balloon类，修改为num_classes=1

loss_mask=dict(

type='CrossEntropyLoss', use_mask=True, loss_weight=1.0))),

# model training and testing settings

train_cfg=dict(

rpn=dict(

assigner=dict(

type='MaxIoUAssigner',

pos_iou_thr=0.7,

neg_iou_thr=0.3,

min_pos_iou=0.3,

match_low_quality=True,

ignore_iof_thr=-1),

sampler=dict(

type='RandomSampler',

num=256,

pos_fraction=0.5,

neg_pos_ub=-1,

add_gt_as_proposals=False),

allowed_border=-1,

pos_weight=-1,

debug=False),

rpn_proposal=dict(

nms_pre=2000,

max_per_img=1000,

nms=dict(type='nms', iou_threshold=0.7),

min_bbox_size=0),

rcnn=dict(

assigner=dict(

type='MaxIoUAssigner',

pos_iou_thr=0.5,

neg_iou_thr=0.5,

min_pos_iou=0.5,

match_low_quality=True,

ignore_iof_thr=-1),

sampler=dict(

type='RandomSampler',

num=512,

pos_fraction=0.25,

neg_pos_ub=-1,

add_gt_as_proposals=True),

mask_size=28,

pos_weight=-1,

debug=False)),

test_cfg=dict(

rpn=dict(

nms_pre=1000,

max_per_img=1000,

nms=dict(type='nms', iou_threshold=0.7),

min_bbox_size=0),

rcnn=dict(

score_thr=0.05,

nms=dict(type='nms', iou_threshold=0.5),

max_per_img=100,

mask_thr_binary=0.5)))

# custom_imports = dict(imports=['mmdet.datasets.balloon'], allow_failed_imports=False)

# dataset settings

dataset_type = 'CocoDataset'

classes = ('balloon')

data_root = 'data/balloon/'

# file_client_args = dict(

# backend='petrel',

# path_mapping=dict({

# './data/': 's3://openmmlab/datasets/detection/',

# 'data/': 's3://openmmlab/datasets/detection/'

# }))

file_client_args = dict(backend='disk')

train_pipeline = [

dict(type='LoadImageFromFile', file_client_args=file_client_args),

dict(type='LoadAnnotations', with_bbox=True, with_mask=True),

dict(type='Resize', scale=(1333, 800), keep_ratio=True),

dict(type='RandomFlip', prob=0.5),

dict(type='PackDetInputs')

]

test_pipeline = [

dict(type='LoadImageFromFile', file_client_args=file_client_args),

dict(type='Resize', scale=(1333, 800), keep_ratio=True),

# If you don't have a gt annotation, delete the pipeline

dict(type='LoadAnnotations', with_bbox=True, with_mask=True),

dict(

type='PackDetInputs',

meta_keys=('img_id', 'img_path', 'ori_shape', 'img_shape',

'scale_factor'))

]

train_dataloader = dict(

batch_size=2,

num_workers=2,

persistent_workers=True,

sampler=dict(type='DefaultSampler', shuffle=True),

batch_sampler=dict(type='AspectRatioBatchSampler'),

dataset=dict(

type=dataset_type,

metainfo = dict(classes=classes),

data_root=data_root,

ann_file='train/train.json',

data_prefix=dict(img='train/'),

filter_cfg=dict(filter_empty_gt=True, min_size=32),

pipeline=train_pipeline))

val_dataloader = dict(

batch_size=1,

num_workers=2,

persistent_workers=True,

drop_last=False,

sampler=dict(type='DefaultSampler', shuffle=False),

dataset=dict(

type=dataset_type,

metainfo = dict(classes=classes),

data_root=data_root,

ann_file='val/val.json',

data_prefix=dict(img='val/'),

test_mode=True,

pipeline=test_pipeline))

test_dataloader = val_dataloader

val_evaluator = dict(

type='CocoMetric',

ann_file='data/balloon/val/val.json',

metric=['bbox', 'segm'],

format_only=False)

test_evaluator = val_evaluator

# inference on test dataset and

# format the output results for submission.

# test_dataloader = dict(

# batch_size=1,

# num_workers=2,

# persistent_workers=True,

# drop_last=False,

# sampler=dict(type='DefaultSampler', shuffle=False),

# dataset=dict(

# type=dataset_type,

# data_root=data_root,

# ann_file=data_root + 'annotations/image_info_test-dev2017.json',

# data_prefix=dict(img='test2017/'),

# test_mode=True,

# pipeline=test_pipeline))

# test_evaluator = dict(

# type='CocoMetric',

# metric=['bbox', 'segm'],

# format_only=True,

# ann_file=data_root + 'annotations/image_info_test-dev2017.json',

# outfile_prefix='./work_dirs/coco_instance/test')

# training schedule for 2x

train_cfg = dict(type='EpochBasedTrainLoop', max_epochs=24, val_interval=3)

val_cfg = dict(type='ValLoop')

test_cfg = dict(type='TestLoop')

# learning rate

param_scheduler = [

dict(

type='LinearLR', start_factor=0.001, by_epoch=False, begin=0, end=500),

dict(

type='MultiStepLR',

begin=0,

end=24,

by_epoch=True,

milestones=[16, 22],

gamma=0.1)

]

# optimizer

optim_wrapper = dict(

type='OptimWrapper',

optimizer=dict(type='SGD', lr=0.002, momentum=0.9, weight_decay=0.0001))

# Default setting for scaling LR automatically

# - `enable` means enable scaling LR automatically

# or not by default.

# - `base_batch_size` = (8 GPUs) x (2 samples per GPU).

auto_scale_lr = dict(enable=False, base_batch_size=2)

default_scope = 'mmdet'

default_hooks = dict(

timer=dict(type='IterTimerHook'),

logger=dict(type='LoggerHook', interval=3),

param_scheduler=dict(type='ParamSchedulerHook'),

checkpoint=dict(type='CheckpointHook', interval=3),

sampler_seed=dict(type='DistSamplerSeedHook'),

visualization=dict(type='DetVisualizationHook'))

env_cfg = dict(

cudnn_benchmark=False,

mp_cfg=dict(mp_start_method='fork', opencv_num_threads=0),

dist_cfg=dict(backend='nccl'),

)

vis_backends = [dict(type='LocalVisBackend')]

visualizer = dict(

type='DetLocalVisualizer', vis_backends=vis_backends, name='visualizer')

log_processor = dict(type='LogProcessor', window_size=50, by_epoch=True)

log_level = 'INFO'

load_from = 'mask_rcnn_r50_fpn_2x_coco_bbox_mAP-0.392__segm_mAP-0.354_20200505_003907-3e542a40.pth'

resume = FalseConfig修改重点主要修改点0: _base_模型的路径和模型选择，这里我们应用到选择的mask rcnn模型上，并修改引用路径，关于_base_问题，之前的笔记教程已经多次提到，这里不再重复，可以再回去看一下。# _base_ = '../mask_rcnn/mask-rcnn_r50_fpn_2x_coco.py'

_base_ = 'configs/mask_rcnn/mask-rcnn_r50_fpn_2x_coco.py主要修改点1：修改model.[backbone, bbox_head, mask_head]model.backbone.init_cfg=None, model.[bbox_head,mask_head].num_classes=1 model的bbox_head和mask_head的num_classes，只有一个balloon类，因此修改为num_classes=1 主要修改点2：数据集注册 with train_dataloader.dataset.metainfo 数据集注册，也是一个很重要的点，在下面☆7. 数据集的注册还会对其他注册方法介绍，这里我们只介绍最简单的一种# 修改数据集相关配置

metainfo = {

'classes': ('balloon', ),

'palette': [

(220, 20, 60),

]

}

train_dataloader = dict(dataset=dict(metainfo=metainfo,)主要修改点3：在dataset/dataloader中的数据路径配置dataroot是可以和ann_file,data_prefix相连的，在项目中，json文件的目录为：'data/balloon/train/train.json'data_root = 'data/balloon/'

train_dataloader = dict(

dataset=dict(

data_root=data_root,

ann_file='train/train.json',

data_prefix=dict(img='train/')))

val_evaluator = dict(

type='CocoMetric',

ann_file='data/balloon/val/val.json',

metric=['bbox', 'segm'],

format_only=False)

test_evaluator = val_evaluator主要修改点4：evaluator中的type要和dataset_type对应，ann_file写完整的路径，metric要写['bbox', 'segm'], 当我们的数据没有标注只有类别class时，metric可以用mAP # training schedule for 2x

train_cfg = dict(type='EpochBasedTrainLoop', max_epochs=24, val_interval=3)

# Default setting for scaling LR automatically

# - `enable` means enable scaling LR automatically

# or not by default.

# - `base_batch_size` = (8 GPUs) x (2 samples per GPU).

auto_scale_lr = dict(enable=False, base_batch_size=2)

# learning rate

param_scheduler = [dict(type='LinearLR'),dict(type='MultiStepLR')]

# optimizer

optim_wrapper = dict(optimizer=dict(type='SGD', lr=0.002, momentum=0.9, weight_decay=0.0001))

default_hooks = dict(

logger=dict(type='LoggerHook', interval=3),,

checkpoint=dict(type='CheckpointHook', interval=3)

log_level = 'INFO'

load_from = 'mask_rcnn_r50_fpn_2x_coco_bbox_mAP-0.392__segm_mAP-0.354_20200505_003907-3e542a40.pth'主要修改点5：2x: For1x/2x, the initial learning rate decays by a factor of 10 at the 8/16th and 11/22th epochs.主要修改点6：几个interval，如train_cfg.val_interval, default_hooks.logger.interval, default_hooks.CheckpointHook.interval 主要修改点7：optimizer :optim_wrapper = dict(optimizer=dict(type='SGD', lr=0.002, momentum=0.9, weight_decay=0.0001)) 主要修改点8：load_from='path_of_pretrained_weight' param_scheduleris a field that configures methods of adjusting optimization hyperparameters such as learning rate and momentum. Users can combine multiple schedulers to create a desired parameter adjustment strategy. Find more in parameter scheduler tutorial and parameter scheduler API documentstype='LinearLR', # Use linear policy to warmup learning ratetype='MultiStepLR', # Use multi-step learning rate policy during trainingbgr_to_rgb=True，mmcv读取数据为bgr顺序，和OpenCV类似model = dict(roi_head=dict(bbox_head=dict(num_classes=1),mask_head=dict(num_classes=1)))Balloon数据集Config文件【简洁修改最终版】这里再放一下根据balloon数据集自己修改的精简板本的config文件# 新配置继承了基本配置，并做了必要的修改

# _base_ = '../mask_rcnn/mask-rcnn_r50_fpn_2x_coco.py'

_base_ = 'configs/mask_rcnn/mask-rcnn_r50_fpn_2x_coco.py'

# 我们还需要更改 head 中的 num_classes 以匹配数据集中的类别数

model = dict(

roi_head=dict(

bbox_head=dict(num_classes=1),

mask_head=dict(num_classes=1)),

backbone=dict(init_cfg=None),

)

# 修改数据集相关配置

data_root = 'data/balloon/'

metainfo = {

'classes': ('balloon', ),

'palette': [

(220, 20, 60),

]

}

train_dataloader = dict(

batch_size=1,

dataset=dict(

data_root=data_root,

metainfo=metainfo,

ann_file='train/train.json',

data_prefix=dict(img='train/')))

val_dataloader = dict(

dataset=dict(

data_root=data_root,

metainfo=metainfo,

ann_file='val/val.json',

data_prefix=dict(img='val/')))

test_dataloader = val_dataloader

optim_wrapper = dict(

type='OptimWrapper',

optimizer=dict(type='SGD', lr=0.002, momentum=0.9, weight_decay=0.0001))

# 修改评价指标相关配置

val_evaluator = dict(ann_file=data_root + 'val/val.json')

test_evaluator = val_evaluator

# 使用预训练的 Mask R-CNN 模型权重来做初始化，可以提高模型性能

load_from = 'mask_rcnn_r50_fpn_2x_coco_bbox_mAP-0.392__segm_mAP-0.354_20200505_003907-3e542a40.pth'☆7. 数据集的注册这一点，其实官方文档有时候也说的不是很清楚，在训练营的时候，自己改了两三次，才有一定的了解。MMDET2.x中，有CustomDataset的方法，因此，读者可以很好的利用这个方法来使用自己的数据集，而MMDET3.x摒弃了这种做法，而要求严格的同样数据格式，这也要求，我们掌握这一方式方法。COCO 更换metainfo 官方文档的注册方法, train_dataloader.dataset.metainfo.[classes,palette] 评价：简单，修改较少由于我们已经将数据集转换成了COCO格式，所以注册新数据集的操作会简单一些，需要我们调整配置文件中的metainfo字典。metainfo包含了classes和palette属性，classes是数据集中标注的所有要检测的物体的种类，而palette则是标注mask文件中代表所有标注物体的mask的对应的颜色值。在这里，我们只检测气球balloon，如果有更多类需要检测的话，就要求我们添加对应的类别。palette对能否找到检测的物体非常重要，一定要找对，必要时，还要通过查看数据，找到准确的值。# dataset settings 修改数据集相关配置

data_root = 'data/balloon/'

metainfo = {

'classes': ('balloon', ),

'palette': [(220, 20, 60),]

}

train_dataloader = dict(

dataset=dict(

data_root=data_root,

metainfo=metainfo,

ann_file='train/annotation_coco.json',

data_prefix=dict(img='train/')))

val_dataloader = dict(

dataset=dict(

data_root=data_root,

metainfo=metainfo,

ann_file='val/annotation_coco.json',

data_prefix=dict(img='val/')))

test_dataloader = val_dataloaderConfig +Notebook (+train+test)在jupyter notebook中注册，搭配mmengine.Config API一起使用we need to implement load_annotations function in the new dataset class StanfordBackgroundDataset.from mmseg.registry import DATASETS

from mmseg.datasets import BaseSegDataset

# 类别和对应的颜色

classes = ('background', 'glomeruili')

palette = [[128, 128, 128], [151, 189, 8]]

@DATASETS.register_module()

class StanfordBackgroundDataset(BaseSegDataset):

METAINFO = dict(classes = classes, palette = palette)

def __init__(self, **kwargs):

super().__init__(img_suffix='.png', seg_map_suffix='.png', **kwargs)在Notebook中对Config配置文件针对性修改 (+Train+Inference)from mmengine import Config

from mmengine.runner import Runner

from mmseg.utils import register_all_modules

cfg = Config.fromfile('configs/pspnet/pspnet_r50-d8_4xb2-40k_cityscapes-512x1024.py')

# 修改数据集的 type 和 root

cfg.dataset_type = 'StanfordBackgroundDataset'

cfg.data_root = data_root

cfg.val_dataloader.dataset.type = cfg.dataset_type

cfg.val_dataloader.dataset.type = cfg.dataset_type保存配置文件和训练print(cfg.pretty_text) # 这里就不显示打印结果了

cfg.dump('new_cfg_Glomeruli3.py')

# register all modules in mmseg into the registries

# do not init the default scope here because it will be init in the runner

register_all_modules(init_default_scope=False)

runner = Runner.from_cfg(cfg)

runner.train()测试与推断# 测试时，初始化模型

checkpoint_path = './work_dirs/glomeruili2/iter_800.pth'

model = init_model(cfg, checkpoint_path, 'cuda:0')

# 单张图像

img = mmcv.imread('data/Glomeruli-dataset/images/SAS_21908_001_42.png')

result = inference_model(model, img)更多的config配置写法，可以参考本文完整mask-rcnn_r50_fpn_2x_coco配置文件部分和以前的知乎文章MMSegmentation基础实验with Kaggle小鼠肾小球切片语义分割的在Notebook中对Config配置文件针对性修改部分进行修改。这种写法很灵活，参数可以使用cfg加属性不断访问Config配置文件字典，所添加属性值的数据类型，可以是字典，链表等继承Base*Dataset的数据类+修改__init__.py 创建自定义继承Base*Dataset数据集的python文件，并修改__init__.py, 在dataset中注册，这里以本次训练营中的mmseg的代码举例说明，MMDET2.x也支持自定义数据集类的方法注册mmseg/dataset/StanfordBackgroundDataset.pyfrom mmseg.registry import DATASETS

from .basesegdataset import BaseSegDataset

# 类别和对应的颜色

classes = ('background', 'glomeruili')

palette = [[128, 128, 128], [151, 189, 8]]

@DATASETS.register_module()

class StanfordBackgroundDataset(BaseSegDataset):

METAINFO = dict(classes = classes, palette = palette)

def __init__(self, **kwargs):

from .basesegdataset import BaseSegDataset

from .StanfordBackgroundDataset import StanfordBackgroundDataset

from .m2nist import M2nistDataset

__all__ = [

'BaseSegDataset', 'StanfordBackgroundDataset','M2nistDataset'

]需要注意的是，from import的时候不要遗漏那个点 . from .StanfordBackgroundDataset import StanfordBackgroundDataset

from .m2nist import M2nistDataset下载他人定义的数据集类型需要注意的是，存取的路径和文件名要对应在MMSegmentation库文件夹中，这种做法其实是上面方法的推广mmseg/dataset/StanfordBackgroundDataset.pymmseg/dataset/__init__.py## 添加数据集类

# 数据集配置文件

!wget https://zihao-openmmlab.obs.cn-east-3.myhuaweicloud.com/20230130-mmseg/dataset/StanfordBackgroundDataset.py \

-O ../mmsegmentation/mmseg/datasets/StanfordBackgroundDataset.py

# 修改 ../mmsegmentation/mmseg/datasets/__init__.py，添加数据集

!wget https://zihao-openmmlab.obs.cn-east-3.myhuaweicloud.com/20230130-mmseg/dataset/__init__.py \

-O ../mmsegmentation/mmseg/datasets/__init__.pyMMDET2.x对于数据集的简单注册这里贴一下MMDET2.x对于数据集的注册，只有classes需要注意classes=('balloon',) MMDET2.x也支持自定义数据集类的方法注册，参考上面COCO 更换metainfo和继承Base*Dataset的数据类+修改__init__.py部分， model = dict(roi_head=dict(bbox_head=dict(num_classes=1),

mask_head=dict(num_classes=1)))

data = dict(

train=dict(

ann_file='data/balloon/train/train.json',

img_prefix='data/balloon/train/',

classes=('balloon',)

val=dict(

ann_file='data/balloon/val/val.json',

img_prefix='data/balloon/val/',

classes=('balloon',)

test=val

)8. 模型微调 (训练一个新的模型)通过命令行工具或者 Python API 完成模型微调，并在验证集上完成测试和评价。可以调整参数，或使用不同的预训练模型来获得更高的评分。训练为了使用新的配置方法来对模型进行训练，你只需要运行如下命令。!python tools/train.py \

mask_rcnn_r50_fpn_2x_coco_balloon3.py \

--work-dir work_dirs/mask_rcnn_r50_fpn_2x_coco_balloon3打印信息也包含完整的Config完整的打印信息还是又臭又长的，我其实没仔细看，不过贴出来，是为了更好的了解，openmmlab给我们省了多少事情，让我们专注于我们想做的方向。其中包含了对bbox和segm的测试，此处和配置文件里的以下几行对应test_evaluator = dict(

type='CocoMetric',

ann_file='data/balloon/val/val.json',

metric=['bbox', 'segm'],

format_only=False)最终训练结果02/12 18:47:51 - mmengine - INFO - Epoch(train) [24][27/31] lr: 2.0000e-05 eta: 0:00:01 time: 0.4204 data_time: 0.0212 memory: 4052 loss: 0.1376 loss_rpn_cls: 0.0009 loss_rpn_bbox: 0.0051 loss_cls: 0.0298 acc: 98.9258 loss_bbox: 0.0436 loss_mask: 0.0582

02/12 18:47:52 - mmengine - INFO - Epoch(train) [24][30/31] lr: 2.0000e-05 eta: 0:00:00 time: 0.4153 data_time: 0.0199 memory: 3207 loss: 0.1279 loss_rpn_cls: 0.0008 loss_rpn_bbox: 0.0046 loss_cls: 0.0275 acc: 99.6094 loss_bbox: 0.0400 loss_mask: 0.0550

02/12 18:47:53 - mmengine - INFO - Exp name: mask_rcnn_r50_fpn_2x_coco_balloon3_20230212_184220

02/12 18:47:53 - mmengine - INFO - Saving checkpoint at 24 epochs

02/12 18:47:54 - mmengine - INFO - Epoch(val) [24][ 3/13] eta: 0:00:02 time: 0.1296 data_time: 0.0373 memory: 2253

02/12 18:47:55 - mmengine - INFO - Epoch(val) [24][ 6/13] eta: 0:00:01 time: 0.1313 data_time: 0.0378 memory: 959

02/12 18:47:55 - mmengine - INFO - Epoch(val) [24][ 9/13] eta: 0:00:00 time: 0.1314 data_time: 0.0379 memory: 836

02/12 18:47:55 - mmengine - INFO - Epoch(val) [24][12/13] eta: 0:00:00 time: 0.1304 data_time: 0.0368 memory: 836

02/12 18:47:55 - mmengine - INFO - Evaluating bbox...

Loading and preparing results...

DONE (t=0.00s)

creating index...

index created!

Running per image evaluation...

Evaluate annotation type *bbox*

DONE (t=0.01s).

Accumulating evaluation results...

DONE (t=0.01s).

Average Precision (AP) @[ IoU=0.50:0.95 | area= all | maxDets=100 ] = 0.766

Average Precision (AP) @[ IoU=0.50 | area= all | maxDets=1000 ] = 0.882

Average Precision (AP) @[ IoU=0.75 | area= all | maxDets=1000 ] = 0.882

Average Precision (AP) @[ IoU=0.50:0.95 | area= small | maxDets=1000 ] = 0.353

Average Precision (AP) @[ IoU=0.50:0.95 | area=medium | maxDets=1000 ] = 0.686

Average Precision (AP) @[ IoU=0.50:0.95 | area= large | maxDets=1000 ] = 0.804

Average Recall (AR) @[ IoU=0.50:0.95 | area= all | maxDets=100 ] = 0.820

Average Recall (AR) @[ IoU=0.50:0.95 | area= all | maxDets=300 ] = 0.820

Average Recall (AR) @[ IoU=0.50:0.95 | area= all | maxDets=1000 ] = 0.820

Average Recall (AR) @[ IoU=0.50:0.95 | area= small | maxDets=1000 ] = 0.350

Average Recall (AR) @[ IoU=0.50:0.95 | area=medium | maxDets=1000 ] = 0.792

Average Recall (AR) @[ IoU=0.50:0.95 | area= large | maxDets=1000 ] = 0.856

02/12 18:47:55 - mmengine - INFO - bbox_mAP_copypaste: 0.766 0.882 0.882 0.353 0.686 0.804

02/12 18:47:55 - mmengine - INFO - Evaluating segm...

Loading and preparing results...

DONE (t=0.00s)

creating index...

index created!

Running per image evaluation...

Evaluate annotation type *segm*

DONE (t=0.01s).

Accumulating evaluation results...

DONE (t=0.01s).

Average Precision (AP) @[ IoU=0.50:0.95 | area= all | maxDets=100 ] = 0.780

Average Precision (AP) @[ IoU=0.50 | area= all | maxDets=1000 ] = 0.862

Average Precision (AP) @[ IoU=0.75 | area= all | maxDets=1000 ] = 0.862

Average Precision (AP) @[ IoU=0.50:0.95 | area= small | maxDets=1000 ] = 0.454

Average Precision (AP) @[ IoU=0.50:0.95 | area=medium | maxDets=1000 ] = 0.633

Average Precision (AP) @[ IoU=0.50:0.95 | area= large | maxDets=1000 ] = 0.831

Average Recall (AR) @[ IoU=0.50:0.95 | area= all | maxDets=100 ] = 0.828

Average Recall (AR) @[ IoU=0.50:0.95 | area= all | maxDets=300 ] = 0.828

Average Recall (AR) @[ IoU=0.50:0.95 | area= all | maxDets=1000 ] = 0.828

Average Recall (AR) @[ IoU=0.50:0.95 | area= small | maxDets=1000 ] = 0.450

Average Recall (AR) @[ IoU=0.50:0.95 | area=medium | maxDets=1000 ] = 0.767

Average Recall (AR) @[ IoU=0.50:0.95 | area= large | maxDets=1000 ] = 0.869

02/12 18:47:55 - mmengine - INFO - segm_mAP_copypaste: 0.780 0.862 0.862 0.454 0.633 0.831

02/12 18:47:55 - mmengine - INFO - Epoch(val) [24][13/13]

coco/bbox_mAP: 0.7660 coco/bbox_mAP_50: 0.8820 coco/bbox_mAP_75: 0.8820

coco/bbox_mAP_s: 0.3530 coco/bbox_mAP_m: 0.6860 coco/bbox_mAP_l: 0.8040

coco/segm_mAP: 0.7800 coco/segm_mAP_50: 0.8620 coco/segm_mAP_75: 0.8620

coco/segm_mAP_s: 0.4540 coco/segm_mAP_m: 0.6330 coco/segm_mAP_l: 0.8310☆训练日志结果理解s,m,l对应的是small，middle，large么？- bbox_mAP: （默认）IOU=0.5 到 IOU=0.95，每隔0.05个IOU计算一次AP，然后求平均值- bbox_mAP_50: IOU=0.5时的AP值- bbox_mAP_75: IOU=0.75时的AP值- bbox_mAP_s/m/l: 即小中大三种不同尺度物体的AP值，其中small是指物体面积小于32 x 32，medium是指面积在32 x 32 - 96 x 96 之间，large是指面积大于96 x 96COCO的图像大小衡量标准：AP50 AP75 AP@[0.5:0.95]为了更细化区分网络的性能，COCO数据集的评价标准中，把IoU的值从50%到95%每隔5%进行了一次划分。具体来说，0.5 0.55 0.6 0.65 0.7 0.75 0.8 0.85 0.9 0.95 ，一共十个，每次测试的时候都是在IoU=这个数上测试的。在这10组precision-recall对中，我们对这十个值取平均（我理解为，10个PR曲线下得到的AP值，然后对这10个AP进行平均），得到了一个AP@[0.5:0.95]有时固定IoU的阈值，比如50%或75%，也就是AP50和AP75，意味着IoU为50%或者75%时的AP值。Note：在COCO数据集评价指标中，所有的AP 默认为mAP 。即，AP50=mAP50/AP50=mAP50，AP75=mAP75/AP75=mAP75，以此类推5. 测试以及推理单张图片测试推理config_file_retrain = 'mask_rcnn_r50_fpn_2x_coco_balloon3.py'

checkpoint_file_retrain = 'work_dirs/mask_rcnn_r50_fpn_2x_coco_balloon3/epoch_24.pth'

model = init_detector(config_file_retrain,checkpoint_file_retrain,device='cpu')

result_retrain = inference_detector(model,img)

visualizer.dataset_meta = model.dataset_meta # set the visualizer metadata when you changed your dataset

# show the results

visualizer.add_datasample(

'result',

img,

data_sample=result_retrain,

draw_gt=False,

wait_time=0,

)

visualizer.show()重新换一张图片image_path2 = 'data/balloon/val/16335852991_f55de7958d_k.jpg'

img2 = mmcv.imread( image_path2, channel_order='rgb')

result_retrain2 = inference_detector(model,img2)

# show the results

visualizer.add_datasample(

'result',

img2,

data_sample=result_retrain2,

draw_gt=False,

wait_time=0,

)

visualizer.show()image_path2 = 'data/balloon/val/4581425993_72b9b15fc0_b.jpg'

img2 = mmcv.imread( image_path2, channel_order='rgb')

result_retrain2 = inference_detector(model,img2)

# show the results

visualizer.add_datasample(

'result',

img2,

data_sample=result_retrain2,

draw_gt=False,

wait_time=0,

)

visualizer.show()查看result_retrain打印result_retrain,查看训练结果的数据构造result_retrain可以看到，是一个DetDataSample结构

META INFORMATION

scale_factor: (1.0419921875, 1.0416666666666667)

img_shape: (800, 1067)

batch_input_shape: (800, 1088)

pad_shape: (800, 1088)

ori_shape: (768, 1024)

img_path: None

img_id: 0

DATA FIELDS

pred_instances:

META INFORMATION

DATA FIELDS

labels: tensor([0, 0, 0, 0, 0, 0])

masks: tensor([[[False, False, False, ..., False, False, False],