FasterRCNN源码解析(一(1),完整PDF

本文详细解析Faster R-CNN的源码实现,涵盖环境配置、文件结构、关键代码解读,包括如何使用PyTorch 1.6训练模型,以及在Ubuntu/Centos环境下利用GPU进行训练。同时,提供了使用MobileNetV2和ResNet50_FPN作为backbone的训练脚本,以及预测和验证的实用脚本。
摘要由CSDN通过智能技术生成
  • 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&

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值