Anchor Free系列模型12

最新推荐文章于 2024-10-02 08:41:51 发布

SealedHeart

最新推荐文章于 2024-10-02 08:41:51 发布

阅读量404

点赞数

分类专栏：笔记文章标签： pytorch 深度学习神经网络

本文链接：https://blog.csdn.net/j98548/article/details/122182597

版权

本文介绍了如何使用PyTorch训练CenterNet模型，包括环境配置，如关闭cudnn的batch norm，克隆项目，安装COCOAPI，编译DCN和NMS。同时，讲解了对COCO和Pascal VOC格式数据集的处理，以及如何修改代码以适应自定义数据集。提供了VOC转COCO格式的脚本参考。

摘要由CSDN通过智能技术生成

2021SC@SDUSC
CenterNet训练自己的数据集
环境配置

环境要求：

python>=3.5
pytorch==0.4.1or 1.1.0 or 1.0.0（1.0.0也可以）
tensorboardX（可选）
配置：

将cudnn的batch norm关闭。打开torch/nn/functional.py文件，找到torch.batch_norm这一行，将torch.backends.cudnn.enabled选项更改为False。

克隆项目

CenterNet_ROOT=/path/to/clone/CenterNet
git clone https://github.com/zzzxxxttt/pytorch_simple_CenterNet_45 $CenterNet_ROOT

安装cocoAPI

cd $CenterNet_ROOT/lib/cocoapi/PythonAPI
make
python setup.py install --user

编译可变形卷积DCN
如果使用的是pytorch0.4.1, 将$CenterNet_ROOT/lib/DCNv2_old 重命名为 $CenterNet_ROOT/lib/DCNv2 如果使用的是pytorch1.1.0 or 1.0.0, 将$ CenterNet_ROOT/lib/DCNv2_new 重命名为 $CenterNet_ROOT/lib/DCNv2.
然后开始编译

cd $CenterNet_ROOT/lib/DCNv2
./make.sh

编译NMS

cd $CenterNet_ROOT/lib/nms
make

对于COCO格式的数据集，下载链接在：http://cocodataset.org/#download。将annotations, train2017, val2017, test2017放在$CenterNet_ROOT/data/coco

对于Pascal VOC格式的数据集，下载VOC转为COCO以后的数据集

下载以后将annotations, images, VOCdevkit放在$CenterNet_ROOT/data/voc

PS:以上两者是官方数据集，如果制作自己的数据集的话可以往下看。

如果选择Hourglass-104作为骨干网络，下载CornerNet提供的Hourglass预训练模型

将下载的权重checkpoint.t7放到$CenterNet_ROOT/ckpt/pretrain中。

2.配置自己的数据集
这个版本提供的代码是针对官方COCO或者官方VOC数据集进行配置的，所以有一些细节需要修改。

以Pascal VOC格式为例，修改自己的数据集。

按照一个类‘dim target’来修改，其他的类别也很容易修改。

VOC类别修改
将datasets/pascal.py中16行内容：

VOC_NAMES = ['__background__', "aeroplane", "bicycle", "bird", "boat",
             "bottle", "bus", "car", "cat", "chair", "cow", "diningtable", "dog",
             "horse