[CSRNet] CSRNet-pytorch 复现过程记录

已于 2024-01-12 10:46:50 修改
阅读量6.6k 收藏 89
点赞数 28
分类专栏： 深度学习-人群计数 文章标签： python 深度学习
于 2020-12-22 10:44:58 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/wpw5499/article/details/111496715
版权

目录

一、开发环境

windows10+Anaconda3+Python3.6+CUDA10.0+Pytorch1.5+Pycharm
提醒：pytorch1.0版本很有可能会在训练的时候报错，所以建议使用pytorch1.5

二、论文代码

CSRNet代码链接

三、导入项目

1、通过git下载或者zip网页下载，二选一
在这里插入图片描述
2、导入项目至pycharm
在这里插入图片描述

四、数据准备

1、数据集
ShanghaiTech
百度网盘：https://pan.baidu.com/s/1cC4wkHAWfJ15VKwG2qjJ6A
提取码：i0xa
2、导入数据集到项目
新建dataset目录，导入数据
在这里插入图片描述
3、.ipynb文件转换成.py文件
.ipynb文件，pycharm中无法正常查看和运行，故需要处理成.py文件。
操作步骤：如何使用jupyter 打开.ipynb文件参考教程

  • Anaconda中的jupyter notebook打开.ipynb后缀的文件
  • 把.ipynb文件中代码拷贝至项目中新建的同名的.py文件中
  • 比如make_dataset.ipynb，用jupyter notebook打开，然后在项目下新建make_dataset.py，把make_dataset.ipynb中的代码拷贝到make_dataset.py
  • 按照这个方法，生成make_dataset.py、val.py
  • 为什么没有make_model.py？因为make_model.ipynb和model.py是等价的，直接删掉make_model.ipynb即可
  • 替换之后，目录如下
    在这里插入图片描述

4、处理json文件

  • 作者给出的json文件中包含着SHHA，SHHB两个数据集文件的路径信息
  • 这里我使用最简单暴力的方法，在文件目录中使用记事本打开json文件
  • 替换成自己的相对路径
  • 图示如下
    在这里插入图片描述
  • 使用这种方法，把剩下的json文件都安排好

5、生成GroundTruth文件

  • 这里需要用到make_dataset.py文件，修改路径为dataset
    在这里插入图片描述
  • 运行该脚本，漫长的等待之后，会在groundtruth文件夹中生成.h文件
  • 这.h文件就是生成的GroundTruth密度图文件

五、训练模型

打开终端，输入命令（每解决一个问题，就重新执行一次命令）
在这里插入图片描述

  • 错误1：No such file or directory: ‘train.json’
    在这里插入图片描述
  • 解决1：确实找不到文件，因为根本就没有train.json、val.json这两个文件。这两个其实是统称。
    train.json指代part_A_train.json，part_B_train.json
    val.json指代part_A_train_with_val.json，part_A_val.json，part_B_train_with_val.json，part_B_val.json
    对于SHHB的执行命令：python train.py part_B_train.json part_B_val.json 0 0
    对于SHHA的执行命令：python train.py part_A_train.json part_A_val.json 0 0
    其后跟着的第一个数字0，表示使用序号为0的GPU；第二个0表示的是线程数。
  • 错误2：这里我选择SHHB的命令运行，model.py第18行报错NameError: name ‘xrange’ is not defined
  • 解决2：这是新旧版本的历史遗留问题，将其改成range即可。另外下面19行，还有一个问题，需要转成list才能支持切片操作，故两边都使用list包裹。
    在这里插入图片描述
  • 错误3：image.py报错：TypeError: integer argument expected, got float。
  • 解决3：需要改成双斜杠，整除。
    在这里插入图片描述
  • 成功进入到训练模型的流程。
    在这里插入图片描述

六、测试模型

1、经过漫长的训练时间，训练出了一个在SHHB上的模型

  • 该权重文件上传百度云，有需要的同学自取。
  • https://pan.baidu.com/s/1HZsemMo_S2nS1aOVX1ueaQ 提取码：0x9c
    在这里插入图片描述
    2、打开val.py
  • 修改路径，和模型权重文件的路径
    在这里插入图片描述
    在这里插入图片描述
  • 接着右键运行val.py，得出结果
    在这里插入图片描述

tips：

  • 我刚开始使用的pytorch1.0，报错不能正常训练模型。在查了一些资料后，改成了pytorch1.5的版本，能够成功训练。
  • ok各位，以上就是这篇文章的全部内容了，非常感谢你能看到这里。如果你觉得这篇文章对你有所帮助求赞求收藏求评论求转发，别忘了点一个大大的关注，各位的支持就是我最大的动力，再见！邮箱：734140820@qq.com
wpw5499
关注
  • 28
    点赞
  • 踩
  • 89
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 72
    评论
专栏目录
CycleGan论文代码复现流程及问题合集
w696999的博客
06-14 1306
1.首先配置环境：tensorflow：2.0.0+keras：2.3.1 +python：3.5/3.62.git clone3.在该目录下，建立dataset文件夹，将下载的数据集都放在里边4.建立训练集和测试集(这一步不用做呀！)然后就可以打开pycharm RUN啦！第一次运行肯定会遇到好多包都没有 （no module named XXXX），缺啥安啥就行cv2—— opencv-python5.Jupyter-notebook：添加kernel： python -m ipykernel in
CSRNet:企业社会责任网
04-30
CSRNet（尝试我们的！） 这是的回购协议CVPR 2018中，它提供了用于人群计数任务的最先进，直接且端到端的体系结构。 数据集 ShanghaiTech数据集： 模型（仅用于测试） 这是测试模型。 结果应与论文中显示的结果相似（略好或差）。 ShanghaiTech_Part_A： ShanghaiTech_Part_B： 先决条件 一个好的咖啡厅 我们知道配置自定义输入层非常麻烦且困难（即使在您自己的PC上安装CAFFE），因此我们为csrnet创建了pytorch版本： 参考 如果您发现CSRNet有用，请引用我们的论文。 谢谢！ @inproceedings{li2018csrnet, title={CSRNet: Dilated convolutional neural networks for understanding the highly congeste
CSRNet-pytorch.rar
09-07
pytorch版本实现的CSRNet，使用的数据集为shanghai_tech数据集，数据集下载参考我的其他上传资源，太大了，一下上传不上去。
人群计数[CSRNet] CSRNet-pytorch 复现
qq_42383076的博客
04-25 2547
1、在make_dataset里面import scipy.spatial 2、float() argument must be a string or a number, not ‘zip’ 解决：
CSRNet-pytorch.zip
09-04
使用pytorch实现了CSRNet人群计数模型的复现，如果下载文档之后有任何问题均可以私信博主进行讨论
CenterNet训练自己的数据集
DLUT_yan的博客
11-19 8969
重点！ 首先说一下具体的代码能运行成功所需要的条件： cuda9.0 与cuda9.0相匹配的cudnn pytorch0.4.0版本 然后就是自己遇到的一系列问题了： 首先我是想在自己原来的cuda10.0和cudnn下运行的，但是出现了很多问题，尤其是在编译DCNv2的时候，于是我参考了这篇博客，发现问题并没有解决，主要问题是想要和cuda10.0匹配，那么pytorch就不能是0.4.1版...
人群密度检测-CSRnet
最棒的yee
05-02 3848
CSRNet神经网络主要用于高密度人群图片的人数估计。 前端直接使用预先训练好的VGG16神经网络， 输出图像的大小为原始输入图像的1/8 后端使用空洞卷积神经网络 在保持分辨率的同时扩大感知域， 生成高质量的人群分布密度图。 空洞卷积 定义一个二维的空洞卷积如下 x(m,n)是长宽分别为M和N的输入图像信息，经过卷积核w(i,j)得到空洞卷积的输出y(m,n)，其中参数r表示空洞率。 如果r=1则空洞卷积就是普通卷积。 实验证明，空洞卷积利用稀疏的卷积核，实现交替卷积和池化操作，在没有增加网络参数
CSRNet-pytorch版本代码复现
qq_40356092的博客
09-04 5245
一、概述 在之前的博客中我有详细介绍过人群计数领域中密度图的生成方法，还有一篇CSRNet的论文学习笔记。 人群计数之生成密度图 论文学习笔记：CSRNet: Dilated Convolutional Neural Networks for Understanding the Highly Congested Scenes 接下来我使用ShanghaiTech数据集对论文中提出的CSRNet模型进行了复现，其中关于数据增强等一些细节进行了省略，以方便初学者更快地了解人群计数相关的方法。 二、数据集预处理
论文学习笔记：CSRNet: Dilated Convolutional Neural Networks for Understanding the Highly Congested Scenes
qq_40356092的博客
08-18 6681
CSRNet网络模型是2018年CVPR论文中提出来的一种用于人群计数的模型。 论文链接：CSRNet Abstract 摘要 我们提出了一个拥挤场景识别网络CSRNet，它提供了一种数据驱动的深度学习方法，可以理解高度拥挤的场景，进行精确的计数估计，并提供高质量的密度图。我们提出的CSRNet由两个主要部分组成：一个是作为二维特征提取的前端卷积神经网络（即模型中的前端网络frontend ），另一个是用于后端的扩展CNN（后端网络backend），它使用扩展的核（空洞卷积操作）来传递更大的感受野，并代替池
CSRNet: Dilated Convolutional Neural Networks for Understanding the HighlyCongested Scenes
SurpriseDPD的博客
10-20 456
csrnet：用于理解高度拥挤场景的扩张卷积神经网络 针对复杂场景的拥挤场景理解我们提出了一个 CSRNet 网络，该网络主要包括两个部分，前端使用一个 卷积网络用于 2D 特征提取，后端用一个 dilated CNN。 该网络在几个常用的公开人群密度估计数据库上取得了不错的效果。 我们提出了一种用于拥塞场景识别的网络，称为CSRNet，以提供一种数据驱动的...
深度学习：人群计数CSRNet(CVPR2018)论文相关解读
YoungX's Blog
11-15 3959
人群计数CSRNet(CVPR2018)论文相关解读 文章目录人群计数CSRNet(CVPR2018)论文相关解读一、简介什么是VGG16？什么是空洞卷积（dilated convolution）？二、相关工作CSRNet架构训练方法三、实验结果四、总结 一、简介 该网络主要包括两个部分，前端使用VGG16（改造版）用于 2D 特征提取，后端用空洞卷积网络代替池化操作。two major components: a convolutional neural network(CNN) as the front
Chinese-Text-Classification-Pytorch-mas
09-20
Chinese-Text-Classification-Pytorch-master。 数据齐全，说明文档详细。点击即用！ # 训练并测试： # TextCNN python run.py --model TextCNN # TextRNN python run.py --model TextRNN # TextRNN_Att python ...
MVSNet-pytorch版 源码 MVSNet-pytorch-master
08-27
MVSNet_pytorch版 源码 MVSNet_pytorch-master MVSNet_pytorch版 源码 MVSNet_pytorch-master MVSNet_pytorch版 源码 MVSNet_pytorch-master MVSNet_pytorch版 源码 MVSNet_pytorch-masterMVSNet_pytorch版 源码 ...
nerf-pytorch:重现结果的NeRF（神经辐射场）的PyTorch实现
03-19
这个项目是一个忠实PyTorch实施的 ，同时运行速度更快的1.3倍再现的结果。该代码基于作者的Tensorflow实现，并且已经过测试以匹配数字。 安装 git clone https://github.com/yenchenlin/nerf-pytorch.git cd nerf-...
Ansible 指定受控端使用Python的版本
shijin741231的博客
04-20 547
最近在装Ansible，有一台受控端Ubuntu16的服务器，安装了Python2.7.12和Pyhon3.5。当用Ansible连接它时，显示使用的是Python3.5。最后看文档，发现Ansible可以在hosts的文件中指定受控服上运行的Python。
【编译程序介绍】
武帝为此的博客
04-22 1160
简单来说，编译程序是一个软件，它读取用某种编程语言编写的源代码，分析并转换成等效的、可执行的机器语言代码。这个过程涉及多个复杂的步骤，包括语法分析、语义分析、代码优化和代码生成等。
[python3] 读取一个正在更新的日志文件
最新发布
言之。
04-24 211
等同于–follow=name --retry，根据文件名进行追踪，并保持重试，即该文件被删除或改名后，如果再次创建相同的文件名，会继续追踪。这两种方法都会持续监听日志文件的变化，并实时读取新增的日志内容。你可以根据实际需求选择其中一种方法。要读取一个正在更新的日志文件（即实时写入的日志文件），你可以使用 Python 的。的技巧来实现实时读取。函数打开文件，并使用。
【算法设计与分析】最近点对问题蛮力法破解及可视化绘图显示
FellAveal的博客
04-20 1116
难点在于多线程的学习以及可视化的操作，由于对Python的多线程不熟悉，多少也走了一些弯路。其中关键部分是通过线程间通讯传递所要可视化展示的点和连线。本文针对本课程内容上机实验一进行预习，通过python的matplotlib库提供一个可能的可视化显示代码运算的方式。（很明显是因为Python画图方便才使用的，算法还是建议用C/C++来进行实现）蛮力法的代码实现很简单，遍历数对，找到最近的点。文尽于此，本文使用Markdown编辑。由于之前便已经发觉到了。Python画图的优势。正在计算的两个点的序号。
python requests几点代理相关
i_9420的博客
04-19 518
1，很多人，包括我，应该只知道requests默认只是支持http代理，有没密码验证都一样。但是，其实呢，最新的requests已经支持 sock5 代理了，也支持密码认证；3，另外，request 现在可以使用all 参数，指定代理的所有类型，不需要像上面的那样，每个类型都指定一次。2，如果要让requests支持 sock5代理，需要导入第三方库，是不是越来越方便了呢。
restormer复现
05-12
Restormer复现指的是利用现代计算机技术，重新演算出历史上具有重大科学意义的实验或发现。Restormer复现的背景是，许多历史科学实验或发现所采用的方法和技术已经不再适用，但是如今的计算机技术已经能够模拟这些实验或发现，从而让人们重新认识这些历史事件。 最具代表性的Restormer复现实验是“米歇尔透镜”实验。该实验是法国物理学家米歇尔在1687年做出的，在该实验中，他用一个小圆镜面向阳光，然后让阳光穿过一个大球体，结果他发现，通过大球体后的阳光变成了几何上完美的平行线。米歇尔的发现证明了光具有直线传播的特性，并对后来发展出光的波动理论和光学技术的推进起到了重要作用。 经过几个世纪的时间，人们已经无法再使用米歇尔当年的方法和器材来重复这个实验。但是借助于现代计算机技术，科学家们能够重新复现这个实验。在2006年，一位法国物理学家利用数值模拟技术成功地复现了米歇尔透镜实验，证实了米歇尔当年的发现。 Restormer复现让人们能够重新认识历史上的科学事件，并促进新的科学研究。它使科学家们在研究中获得更多的想象力和启示，也让普通人更好地了解科学研究的过程和结果。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 72
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

wpw5499

若有帮助，不妨请博主一杯奶茶吧

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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