摘要：本案例是CenterNet-Hourglass论文复现的体验案例，此模型是对Objects as Points 中提出的CenterNet进行结果复现。
目标检测常采用Anchor的方法来获取物体可能存在的位置，再对该位置进行分类，这样的做法耗时、低效，同时需要后处理（比如NMS）。CenterNet将目标看成一个点，即目标bounding box的中心点，整个问题转变成了关键点估计问题，其他目标属性，比如尺寸、3D位置、方向和姿态等都以估计的中心点为基准进行参数回归。
本案例是CenterNet-Hourglass论文复现的体验案例，此模型是对Objects as Points 中提出的CenterNet进行结果复现（原论文Table 2 最后一行）。本模型是以Hourglass网络架构作为backbone，以ExtremNet 作为预训练模型，在COCO数据集上进行50epochs的训练后得到的。本项目是基于原论文的官方代码进行针对ModelArts平台的修改来实现ModelArts上的训练与部署。
注意事项：
1.本案例使用框架:PyTorch1.4.0
2.本案例使用硬件:GPU: 1*NVIDIA-V100NV32(32GB) | CPU: 8 核 64GB
3.运行代码方法: 点击本页面顶部菜单栏的三角形运行按钮或按Ctrl+Enter键 运行每个方块中的代码
1.下载数据和代码
运行下面代码，进行数据和代码的下载和解压
本案例使用COCO数据集。
2.训练
训练需要一点时间，请耐心等待
3.模型测试
可以自行修改预测的图像路径
Original: https://www.cnblogs.com/huaweiyun/p/16952367.html
Author: 华为云开发者联盟
Title: 实践案例丨CenterNet-Hourglass论文复现
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/804484/
转载文章受原作者版权保护。转载请注明原作者出处！