Skip to content
object detection algorithms and training framework by pytorch
Python Cuda Other
Branch: master
Clone or download
Latest commit 5345eeb Oct 20, 2019
Permalink
Type Name Latest commit message Commit time
Failed to load latest commit information.
.idea update Aug 6, 2019
dataset update Oct 20, 2019
demo update Oct 20, 2019
model update Oct 20, 2019
test update Oct 18, 2019
utils update Oct 20, 2019
v01 update Oct 10, 2019
.gitignore update Oct 8, 2019
QanA.md update Oct 20, 2019
README.md update Oct 17, 2019
run.py update Oct 20, 2019

README.md

Deep Learning Algorithms

主要内容

本仓库主要用于深度学习算法和训练框架的重实现,主要参考:mmdetection, awesome-semantic-segmentation-pytorch

  1. 物体检测相关

    • SSD
    • RetinaNet
    • FCOS
    • FasterRcnn
    • MaskRcnn
  2. 语义分割相关

    • FCN
    • DeeplabV3
  3. 关键点检测相关

    • RetinaFace
  4. 训练框架

    • Runner
  5. 支持的数据集

    • VOC07+12
    • COCO2017
    • WIDERFACE
    • CITYSCAPE

安装

cd model/nms
python setup.py build_ext --inplace

cd ..
cd ..
python setup.py

注意事项

  1. 关于添加到系统文件夹
    每次重启电脑或重启终端,都需要运行python setup.py文件把根目录加到系统文件夹中才能进行相关训练或预测。 也可以永久添加根目录,参考setup.py注释。

  2. 关于归一化
    如果是使用pytorch的预训练模型,那么对应的mean, std都是<1的数据,也就需要先normalize(value/255,设置norm=True),然后再进行标准化到标准正态分布。 如果是使用caffe的预训练模型,那么对应std=1

  3. 关于文件夹位置
    需要预先设置工作文件夹work_dir等文件夹,并且确保文件夹存在,程序有文件夹检查功能,以防训练好以后模型无法保存。

  4. 关于dataloader中的collate_fn
    其中的dict_collate可以支持对img/seg数据的堆叠,也支持输入图片尺寸不同的情况,会自动进行padding统一到一个batch的最大图片尺寸。

  5. 关于anchor的尺寸
    可以沿用某些算法中anchor的设置比例,也可以通过聚类(参考bbox_kmean)来计算针对某一数据集的anchor个数和大小,确保在anchor个数越少越好的前提下获得足够大的平均iou。

  6. 关于新增模型
    如果自定义新的模型,需要把新增模型在prepare_training的model zoo区域导入并添加进对应的model dict中用于调用。

  7. 关于数据集的设置
    WIDERFACE数据集的annotation文件采用变换过的voc格式,参考https://github.com/sovrasov/wider-face-pascal-voc-annotations.git

  8. 关于预训练模型
    检测模型的预训练backbone权重来自mmdetection(包含一部分pytorch的模型和一部分caffe的模型)
    分割模型的预训练backbone权重来自gluon

You can’t perform that action at this time.