AR-CNN 项目安装与使用指南

AR-CNN 项目安装与使用指南

AR-CNN Weakly Aligned Cross-Modal Learning for Multispectral Pedestrian Detection, ICCV, 2019 项目地址: https://gitcode.com/gh_mirrors/ar/AR-CNN

1. 项目目录结构及介绍

AR-CNN 项目的目录结构如下：

AR-CNN/
├── cfgs/
├── lib/
├── data/
│   ├── kaist-paired/
│   │   ├── annotations/
│   │   ├── images/
│   │   ├── splits/
├── .gitignore
├── LICENSE
├── README.md
├── _init_paths.py
├── requirements.txt
├── test_net.py
├── test_shift.sh

目录结构介绍

• cfgs/: 存放项目的配置文件。
• lib/: 存放项目的库文件，包括 CUDA 依赖项。
• data/: 存放数据集，特别是 KAIST 数据集的相关文件。
  • kaist-paired/: KAIST 数据集的子目录，包含标注文件、图像文件和数据分割文件。
• .gitignore: Git 忽略文件，指定哪些文件或目录不需要被版本控制。
• LICENSE: 项目的开源许可证文件。
• README.md: 项目的介绍文件，包含项目的概述和使用说明。
• _init_paths.py: 初始化路径的 Python 脚本。
• requirements.txt: 项目依赖的 Python 包列表。
• test_net.py: 用于测试网络的 Python 脚本。
• test_shift.sh: 用于测试位置偏移的 Shell 脚本。

2. 项目启动文件介绍

test_net.py

test_net.py 是 AR-CNN 项目的主要启动文件之一，用于在 KAIST 数据集上进行行人检测。该脚本支持多种参数配置，包括数据集、网络模型、检查点等。

使用示例

python test_net.py --dataset kaist --net vgg16 \
  --checksession 1 --checkepoch 3 --checkpoint 17783 \
  --reasonable --cuda

test_shift.sh

test_shift.sh 是另一个启动文件，用于在特定位置偏移下进行行人检测。该脚本主要用于评估模型在不同位置偏移下的鲁棒性。

使用示例

sh test_shift.sh

3. 项目的配置文件介绍

cfgs/

cfgs/ 目录下存放了项目的配置文件，这些文件定义了模型的各种参数和设置。

配置文件示例

# cfgs/config.py

# 数据集路径
DATASET_PATH = "data/kaist-paired"

# 网络模型
NET = "vgg16"

# 检查点
CHECKSESSION = 1
CHECKEPOCH = 3
CHECKPOINT = 17783

# CUDA 设置
CUDA = True

requirements.txt

requirements.txt 文件列出了项目所需的 Python 依赖包及其版本。

依赖包示例

torch==0.4.0
numpy==1.15.4
opencv-python==3.4.3.18

通过以上配置文件和启动文件，用户可以方便地配置和运行 AR-CNN 项目，进行多光谱行人检测任务。

AR-CNN Weakly Aligned Cross-Modal Learning for Multispectral Pedestrian Detection, ICCV, 2019 项目地址: https://gitcode.com/gh_mirrors/ar/AR-CNN