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！