RFBNet 代码复现笔记

1.准备工作

（1）下载RFBNet

git clone https://github.com/ruinmessi/RFBNet

环境配置需要pytorch0.4.0和python3+，网上有安装方式，不做赘述

（2）编译

cd RFBNet
./make.sh

编译时注意修改make.sh文件，cuda 的路径要与自己安装路径相同，python版本要对应python3以上。
在这里插入图片描述作者提到在 utils/build.py 里面需要根据自己电脑的GPU算力修改对应的值，不知道具体算力值的可以百度，有详细的说明。
(4)准备数据集
代码复现支持两种数据集，分别是VOC和COCO，下载过程如下:

cd RFBNet
sh data/scripts/VOC2007.sh    #该文件将VOC2007数据集自动下载整理好，但下载速度慢，建议自行下载
sh data/scripts/VOC2012.sh    #该文件将VOC2012数据集自动下载整理好，但下载速度慢，建议自行下载

COCO数据集较大，建议自行下载，可以使用迅雷之类的下载工具，速度比较快。

2.训练

（1）预训练模型下载

mkdir weights
cd weights
wget https://s3.amazonaws.com/amdegroot-models/vgg16_reducedfc.pth

（2）训练

python train_RFB.py -d VOC -v RFB_vgg -s 300

-d 选择数据集，VOC，或者COCO
-v 选择主干网络的类型，RFB_VGG, RFB_E_VGG ，RFB_mobile
-s 输入图片的尺寸，300或512
在训练过程可以指定从断点继续训练，只要指定训练权重即可。

在这里插入图片描述作者代码不提供可视化检测结果，这个有点伤。

3.评估

python test_RFB.py -d VOC -v RFB_vgg -s 300 --trained_model /path/to/model/weights

默认评估的是VOC2007或者COCOtminival2014 的测试集，想要评估其他的数据集，修改test_RFB.py
在这里插入图片描述
训练好的权重：
VOC07+12
其他的在github上有，自行下载

来源：CSDN

作者：下页依然如故

链接：https://blog.csdn.net/wyy13273181006/article/details/103484799

标签

voc