scc-bit/fcos

FCOS

文件目录

FCOS

├── model //FCOS网络结构及设置

│ ├── backbone //Resnet-50 Backbone

│ │ └── resnet.py //Resnet-50

│ ├── fcos.py // fcos网络

│ ├── fpn.py // FPN结构

│ ├── head.py //Head结构

│ ├── loss.py //损失函数

│ ├── metric.py //评价函数

│ └── config.py //模型设置

├── dataloader //VOC加载

│ └── VOC_dataset.py //加载VOC数据

├── VOCdevkit //存放VOC数据集的文件夹，数据下载解压后放在这里

├── weights //存放训练好的模型（.pth文件）的文件夹

├── logs //存放训练验证过程的loss、mAP值等的文件夹，tensorboard可视化用

├── test_images //测试demo的图片

│ ├── input //存放待测试的图片

│ └── output //存放demo测试后的图片结果

├── train_and_eval.py //训练模型和验证模型，输出的结果会存放到weights、logs文件夹（！速度较慢）

├── train.py //训练模型，输出的结果会存放到weights、logs文件夹

├── eval.py //加载训练好的模型（.pth文件），可以得到AP和mAP结果

├── demo.py //加载测试图片，可以得到目标检测结果

└── requirements.txt //环境依赖

示例命令

cd FCOS

pip install requirements.txt   

训练

python train_and_eval.py #速度较慢

或

python train.py  #速度比同时train和evaluate要快

默认30个epochs，程序将默认保存每个epoch后的模型 .pth文件

训练完成后可以用tensorboard查看记录的loss

tensorboard --logdir=FCOS/logs

验证

python eval.py  

导入训练后得到的.pth文件 ，并在验证集上测试得到所有class的AP和mAP

测试

python demo.py 

导入训练后得到的.pth文件 ，并在测试图片上测试得到目标检测结果

数据集

VOC2012：

http://host.robots.ox.ac.uk/pascal/VOC/voc2012/VOCtrainval_11-May-2012.tar

Backbone

Resnet-50： https://download.pytorch.org/models/resnet50-19c8e357.pth