【代码】CenterNet的使用

本文详细介绍了如何使用PASCAL VOC数据集进行CenterNet目标检测模型的训练与测试,包括数据集的下载、解压、合并及模型训练、测试的完整流程。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

一、数据集的准备(PASCOL VOC)

首先将src/tools/get_pascal_voc.sh中涉及的数据集和工具都下载下来,之后在tools中建立voc文件夹,将数据集和工具放入到voc中,运行修改后的脚本:

cd voc
tar xvf VOCtrainval_06-Nov-2007.tar
tar xvf VOCtest_06-Nov-2007.tar
tar xvf VOCdevkit_08-Jun-2007.tar
tar xvf VOCtrainval_11-May-2012.tar
tar xvf VOCdevkit_18-May-2011.tar
mkdir images
cp VOCdevkit/VOC2007/JPEGImages/* images/
cp VOCdevkit/VOC2012/JPEGImages/* images/
unzip PASCAL_VOC.zip
mv PASCAL_VOC annotations/
cd ..
python merge_pascal_json.py

也可以保留rm命令,删除文件夹。最后将voc文件夹移动到data中。

二、test

1. 在model zoo:https://github.com/xingyizhou/CenterNet/blob/master/readme/MODEL_ZOO.md中的Pascal VOC部分下载ctdet_pascal_resdcn18_384,放到model文件夹中。

2. 根据https://github.com/xingyizhou/CenterNet/blob/master/readme/GETTING_STARTED.md中提供的命令和model zoo中resdcn18_384对应的训练、测试命令。运行:

python test.py ctdet --exp_id pascal_resdcn18_384 --arch resdcn_18 --dataset pascal --load_model ../models/ctdet_pascal_resdcn18_384.pth --flip_test

三、train

https://github.com/xingyizhou/CenterNet/blob/master/experiments/ctdet_pascal_resdcn18_384.sh中有详细解释,按部就班即可。

cd src
# train
python main.py ctdet --exp_id pascal_resdcn18_384 --arch resdcn_18 --dataset pascal --num_epochs 70 --lr_step 45,60
# test
python test.py ctdet --exp_id pascal_resdcn18_384 --arch resdcn_18 --dataset pascal --resume
# flip test
python test.py ctdet --exp_id pascal_resdcn18_384 --arch resdcn_18 --dataset pascal --resume --flip_test
cd ..

四、处理结果

得到的result.json在exp/ctdet/pascal_resdcn18_384文件夹中,是一个包含21个元素的列表,第一个元素是背景,其余元素对应于各个类别。每一个元素是一个len=4952(4952张图片)的列表,列表中的元素len=5,左上角、右下角、score

评论 6
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值