P2BNet网络训练VisDrone数据集

杰尼杰尼0618

已于 2022-11-21 16:57:13 修改

阅读量1.4k

点赞数 3

文章标签：目标检测

于 2022-11-21 16:56:30 首次发布

本文链接：https://blog.csdn.net/qq_50903021/article/details/127968214

版权

P2BNet网络训练VisDrone数据集

文章目录

P2BNet网络训练VisDrone数据集

0 P2BNet介绍

该网络源自ECCV2022最新的目标检测论文Point-to-Box Network for Accurate Object Detection via Single Point Supervision。

该论文介绍了一种单点监督的改进方法，作者认为使用单点监督的OTSP方法之所以性能一直都不太好，是因为他们生成建议包的质量普遍太差，所以作者提供了一种轻量级的网络——P2BNet，来弥补过往方式的缺陷，从而生成高质量的实例级包，节约标准成本，性能SOTA！

论文阅读可参考博客：http://t.csdn.cn/kAa8H

代码地址：GitHub - ucas-vg/P2BNet: ECCV2022, Point-to-Box Network for Accurate Object Detection via Single Point Supervision

1 VisDrone数据集转COCO格式

VisDrone是一个无人机的目标检测数据集。由各种无人机摄像头捕获，包含不同场景、天气、光照条件下的各种位置、环境、物体等。

VisDrone转COCO格式可参考博客：http://t.csdn.cn/xYEN7

注意将visdrone数据集的目录格式调整为coco的目录格式，并将转化好的json文件放入annotations文件夹中。

2 P2BNet训练VisDrone数据集

Ⅰ 选定训练模型

这里采用的是faster_rcnn_r50_fpn_1x_coco.py模型，位于P2BNet-main/TOV_mmdetection/configs/faster_rcnn/目录下

Ⅱ 下载模型权重，修改全连接层神经元个数

权重下载地址：mmdetection/configs/faster_rcnn at master · open-mmlab/mmdetection · GitHub

修改全连接层神经元个数代码：

import torch
pretrained_weights  = torch.load('checkpoints/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth')
#更改权重载入地址
num_class = 10
pretrained_weights['state_dict']['roi_head.bbox_head.fc_cls.weight'].resize_(num_class+1, 1024)
pretrained_weights['state_dict']['roi_head.bbox_head.fc_cls.bias'].resize_(num_class+1)
pretrained_weights['state_dict']['roi_head.bbox_head.fc_reg.weight'].resize_(num_class*4, 1024)
pretrained_weights['state_dict']['roi_head.bbox_head.fc_reg.bias'].resize_(num_class*4)
torch.save(pretrained_weights, "faster_rcnn_r50_fpn_1x_%d.pth"%num_class)

该代码参考博客：http://t.csdn.cn/xYEN7

Ⅲ 更改类别参数

visdrone数据集的数据类别有：ignored regions, pedestrian,people, bicycle, car, van, truck, tricycle, awning-tricycle, bus, motor,others共12种（一般会去掉头和尾，剩下10种类别），需要修改的地方有：

①P2BNet-main/TOV_mmdetection/mmdet/datasets/coco.py 中的Classes：

在这里插入图片描述