Home

Awesome

VisDrone2018

说明:后续可能不更新了。

Tips: this repo will not be updated.

Baseline:

NamemaxDetsResult
Average Precision (AP) @( IoU=0.50:0.95)maxDets=50015.8738%.
Average Precision (AP) @( IoU=0.50 )maxDets=50021.7822%.
Average Precision (AP) @( IoU=0.75 )maxDets=50017.1753%.
Average Recall (AR) @( IoU=0.50:0.95)maxDets= 10.83255%.
Average Recall (AR) @( IoU=0.50:0.95)maxDets= 107.1636%.
Average Recall (AR) @( IoU=0.50:0.95)maxDets=10020.7602%.
Average Recall (AR) @( IoU=0.50:0.95)maxDets=50020.7602%.

Cases From Test DataSet:

<figure class="half"> <img src="case/1.png"> <img src="case/2.png"> </figure> <figure class="half"> <img src="case/3.png"> <img src="case/4.png"> </figure>

Implementation of a method of data augmentation named patching:

before augmentation:

aug1

after augmentation(only patching pedestrian and awning-tricycle, show pedestrian only):

aug0

ECCV2018的一个workshop举办的比赛,详见Vision Meets Drones: A Challenge.

VisDrone2018_Dev_Kit: 官方提供的针对数据集的工具,用于评测。可以改为其他工具,比如在图片上显示BBox;

Txt2XML: 官方给定数据集的Ground Truth是自己的标注方式(Txt),该工具将该标注方式转化为PASCAL VOC2007的标注方式(XML);Python实现;

ShowBBOXFromXML: 针对PASCAL VOC2007,在图片上显示BBox;Python实现;该工具已经和官方给定基于Matlab的代码做过准确度对比,检验通过;

数据集的Badcase: 将BBox画成一条线的,导致NaN错误,需要过滤,详情可以参考issues;

Code中分享了基于PyTorch的Faster R-CNN代码用于这个比赛,原始代码来自@jwyang,原始代码写的也有很多不完善的地方,但是是基于PyTorch实现的star最多的,用起来是没有问题的。Code中的仅仅作为该比赛代码的备份,不做正式分享。比如,没有数据。如果想要在现有代码基础上做些工作,可以联系我本人,帮助跑代码。