开源项目 OICR 使用教程-CSDN博客

本文链接：https://blog.csdn.net/gitblog_01043/article/details/141851228

开源项目 OICR 使用教程

oicrCaffe codes for our papers "Multiple Instance Detection Network with Online Instance Classifier Refinement" and "PCL: Proposal Cluster Learning for Weakly Supervised Object Detection".项目地址:https://gitcode.com/gh_mirrors/oi/oicr

1. 项目的目录结构及介绍

oicr/
├── data/
│   ├── annotations/
│   ├── images/
│   └── README.md
├── src/
│   ├── models/
│   ├── utils/
│   └── main.py
├── config/
│   ├── default_config.yaml
│   └── README.md
├── README.md
└── requirements.txt

data/: 存放项目所需的数据，包括标注文件和图像文件。
- annotations/: 存放标注文件。
- images/: 存放图像文件。
- README.md: 数据目录的说明文档。
src/: 存放项目的源代码。
- models/: 存放模型定义文件。
- utils/: 存放工具函数和辅助代码。
- main.py: 项目的启动文件。
config/: 存放项目的配置文件。
- default_config.yaml: 默认配置文件。
- README.md: 配置目录的说明文档。
README.md: 项目的主说明文档。
requirements.txt: 项目依赖的Python包列表。

2. 项目的启动文件介绍

项目的启动文件是 src/main.py。该文件包含了项目的主要逻辑和启动代码。以下是 main.py 的主要内容：

import argparse
from config.default_config import cfg
from src.models import Model
from src.utils import load_data, train, evaluate

def main():
    parser = argparse.ArgumentParser(description="OICR Project")
    parser.add_argument("--config", default="config/default_config.yaml", help="Path to config file")
    args = parser.parse_args()

    # 加载配置文件
    cfg.merge_from_file(args.config)

    # 加载数据
    data = load_data(cfg)

    # 初始化模型
    model = Model(cfg)

    # 训练模型
    train(model, data, cfg)

    # 评估模型
    evaluate(model, data, cfg)

if __name__ == "__main__":
    main()

3. 项目的配置文件介绍

项目的配置文件位于 config/default_config.yaml。该文件包含了项目的所有配置参数，如数据路径、模型参数、训练参数等。以下是 default_config.yaml 的部分内容：

data:
  annotations_path: "data/annotations"
  images_path: "data/images"

model:
  name: "default_model"
  learning_rate: 0.001
  batch_size: 32

train:
  epochs: 10
  save_path: "checkpoints"

evaluate:
  metrics: ["accuracy", "precision", "recall"]

data: 数据相关配置。
- annotations_path: 标注文件路径。
- images_path: 图像文件路径。
model: 模型相关配置。
- name: 模型名称。
- learning_rate: 学习率。
- batch_size: 批大小。
train: 训练相关配置。
- epochs: 训练轮数。
- save_path: 模型保存路径。
evaluate: 评估相关配置。
- metrics: 评估指标。