YOLOV3+ASFF论文复现笔记

论文地址：https://arxiv.org/pdf/1911.09516v2.pdf
代码地址：https://github.com/ruinmessi/ASFF

写在前面

早就看到过这篇论文，一直到今天才有时间去实现，论文的主要贡献是提出了一种新的特征融合方法，论文中称之为ASFF，以YOLOV3为基础模型进行改进和优化，从理论创新点以及实验结果来看，还是值得大家学习的。
在复现代码的时候，最简单、方便、快捷的途径当然是去网上搜教程，有教程真的比自己对着read.me瞎搞快很多。目前我网上看到的大都是对论文的解析，对工程如何复现的博客比较少（反正我只看到一篇对我有用的），我主要参考了一位大佬的笔记，写的很好（文末附链接）。下面是我在实现过程中遇到的一些问题，主要是对一些细节的补充。我的操作系统环境：Ubuntu 18.04

1，编译DCN

因为这个代码是基于Pytorch实现的，因此首先需要配置torch环境，源代码要求是torch1.0以上，我使用的版本torch1.1.0，torchvision0.3.0。可以直接pip安装，也可以从开源镜像安装，速度会快点。
接下来编译DCN

./make.sh

如果无法编译，可以直接进入DCN进行编译，也是可以的。下面是安装成功的截图，图是我盗大佬的，我在安装的时候没有截图

2， 安装依赖包

需要安装的依赖有：
apex, numpy, opencv, tqdm, pyyaml, matplotlib, scikit-image，pycocotools
其中apex需要单独安装，安装步骤如下：

git clone https://github.com/NVIDIA/apex.git
cd apex
python setup.py install

依次执行上述代码就行，有人在安装时使用下面的命令：

python setup.py install --cpp_ext --cuda_ext

但我试了，–cuda_ext无法编译通过，可能是环境的问题，直接python setup.py install不会编译–cuda_ext，后期训练的时候就会看到提示，但没有影响训练，我就没有管它。
安装成功的效果如下（同样盗图）：

3，测试

代码的目录如下所示：
其中demo.py是测试代码，可以测试单张图片，main.py是训练代码，可以从头训练，也可以使用预训练权重，eval.py是测试代码，用来定量测试模型，求map，recall，precision等等指标。
运行代码时，建议直接在配置文件中修改参数，如图2所示，然后在终端里python main.py或者python demo.py就可以了，手动输入参数太麻烦。
如果使用预训练权重的话，附上权重文件下载地址

4，数据集

支持VOC和COCO两种，自己根据配置文件修改就行

5，训练

修改好参数配置，直接

python main.py

6，测试map

同样的操作

python eval.py

主要参考：
https://blog.csdn.net/comway_Li/article/details/104814946

遇到的问题大都是torch版本的问题，安装卸载torch不下5遍，如果你有其他的解决方法，欢迎交流！如有侵权，请联系删除。如有错误，欢迎指正！
接下来就可以愉快的训练自己的数据集了…