使用cvpods对《End-to-End Object Detection with Fully Convolutional Network》复现
论文简介
作者提供的代码链接:https://img.shields.io/github/license/Megvii-BaseDetection/DeFCN.
原文链接:https://arxiv.org/pdf/2012.03544v3.pdf
该文章针对目标检测,抛弃了NMS,采用一对一标签分配(POTO)代替NMS进行后处理,为了提升性能,增加了三维最大滤波(3dmf)和辅助损失,最终得到的效果超过了使用NMS的目标检测。
环境要求
1. _必须是linux_!我们当初配了好久的windows,结果全部白搭!!!
2.必须有GPU!这个论文使用了CrowdHuman和COCO两个数据集,COCO那超级大,COCO2017就10G+,而且为了精度迭代240000次(一个GPU条件下),作者当初用了8个GPU,跑了8小时,我们只有三个,就没跑COCO,只跑了CrowdHuman。。。
3.需要配置cvpods,一个只迭代到了1.0版本,几乎没人用过的代码库。
环境配置
README里面说的很简单,配置两个东西:
- cvpods
- scipy >= 1.5.4
scipy就不说了,很好安装。cvpods的安装,官方链接给了三种安装方法,其中,其中,第一种,python3 -m pip install ‘git+https://github.com/Megvii-BaseDetection/cvpods.git’ –user 是错的,在我们的服务器上,写不了关键的配置,只需要改用第二种,就可以啦。
(我们当时弄了两周,都改不好这个,当时的环境删了,报错信息就是tmp什么什么的找不到)
运行界面
如图是用三个GPU跑COCO的图片:
Original: https://blog.csdn.net/weixin_40476073/article/details/121308460
Author: 子叶95
Title: 2021/11/13
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/687410/
转载文章受原作者版权保护。转载请注明原作者出处!