- Python3.6或者3.7
- Pytorch1.6(注意:必须是1.6.0或以上,因为使用官方提供的混合精度训练1.6.0后才支持)
- pycocotools(Linux: pip install pycocotools;Windows:pip install
pycocotools-windows(不需要额外安装vs)) - Ubuntu或Centos(不建议Windows)
- 最好使用GPU训练
- 详细环境配置见原作者github中的requirements.txt文件
文件结构
- ├── backbone: 特征提取网络,可以根据自己的要求选择
- ├── network_files: Faster R-CNN网络(包括Fast R-CNN以及RPN等模块)
- ├── train_utils: 训练验证相关模块(包括cocotools)
- ├── my_dataset.py: 自定义dataset用于读取VOC数据集
- ├── train_mobilenet.py: 以MobileNetV2做为backbone进行训练
- ├── train_resnet50_fpn.py: 以resnet50+FPN做为backbone进行训练
- ├── train_multi_GPU.py: 针对使用多GPU的用户使用
- ├── predict.py: 简易的预测脚本,使用训练好的权重进行预测测试
- ├── valisation.py: 利用训练好的权重验证/测试数据的COCO指标,并生成record_mAP.txt文件
- └── pascal_voc_classes.json: pascal_voc标签文件
跑通代码
作者在视频中跑的是mobilnet模型&