Awesome
RFSong-779进行行人检测
重新设计的RFBNet300,模型参数量只有0.99MB,AP达到0.78(相比RFBNet300降了4个点,相比RFong7993降了两个点),速度可以达到200FPS。 RFSong779虽然参数量更小,但是速度与RFSong7993差不多,而精度低了两个点,因此更推荐RFSong7993。后面也利用RFSong7993版本做了很多其他实验,例如钢筋检测、人手检测还有人头检测,表现都还是很好的。
详细讲解请看文章:我的博客
环境
在python3.6 Ubuntu16.04 pytorch1.1下进行了实验
- 编译NMS
./make.sh
训练自己的数据集
- 新建一个文件夹VOCdevkit,将自己的VOC格式数据集的VOC2007文件夹移动到VOCdevkit中,例如我的就是/home/common/wangsong/VOCdevkit/VOC2007
$VOCdevkit/
$VOCdevkit/VOC2007/
$VOCdevkit/VOC2007/Annotations/
$VOCdevkit/VOC2007/ImageSets/
$VOCdevkit/VOC2007/JPEGImages/
-
修改data/config.py中的数据集路径
VOCroot = '/home/common/wangsong/VOC/VOCdevkit'
改为自己数据集对应的路径 -
修改针对VOC行人的代码部分,可以参考我的博客查看修改的地方
- train_RFB.py的trainsets进行改动:
train_sets = [('2007', 'trainval'))]
- data/voc0712.py和data/voc_eval.py这两个文件可以直接用钢筋检测里面的替换
- 运行train_RFB
与RFB不同的是
- 代码更方便进行自己设计网络
- 网络非常轻量级只有0.99 MB
- 网络速度相比RFB有显著提升,能够达到200FPS
欢迎加群交流,云深不知处-目标检测 763679865