RFSong-7993进行行人检测
重新设计的RFBNet300,模型参数量只有0.99MB，AP达到0.80(相比RFBNet300降了两个点)，速度却可以达到200FPS，并且在多个其他任务表现良好，例如钢筋检测，人手检测等等
文章链接：https://zhuanlan.zhihu.com/p/76491446
环境
在python3.6 Ubuntu16.04 pytorch1.1下进行了实验
- 编译NMS
./make.sh
训练自己的数据集
- 新建一个文件夹VOCdevkit，将自己的VOC格式数据集的VOC2007文件夹移动到VOCdevkit中，例如我的就是/home/common/wangsong/VOCdevkit/VOC2007
$VOCdevkit/
$VOCdevkit/VOC2007/
$VOCdevkit/VOC2007/Annotations/
$VOCdevkit/VOC2007/ImageSets/
$VOCdevkit/VOC2007/JPEGImages/-
修改data/config.py中的数据集路径
VOCroot = '/home/common/wangsong/VOC/VOCdevkit'改为自己数据集对应的路径 -
修改针对VOC行人的代码部分，可以参考我的博客查看修改的地方
- train_RFB.py的trainsets进行改动：
train_sets = [('2007', 'trainval'))] - data/voc0712.py和data/voc_eval.py这两个文件可以直接用钢筋检测里面的替换
或者在群文件下载RFSong多数据集联合训练文件夹（因为多数据集联合训练就统一用的VOC2007格式）
- 运行train_RFB
与RFB不同的是
- 代码更方便进行自己设计网络
- 网络非常轻量级只有3.1 MB
- 网络速度相比RFB有显著提升,能够达到200FPS
更新
在VOC0712+COCO+PRW+SYSU总共大概十万张图片的数据集上进行了训练，模型代码和权重都放在了群文件，实测效果得到了显著提升，有需要的可以直接加群下载使用。
欢迎加群交流，云深不知处-目标检测 763679865