AerialDetection 安装与使用指南

AerialDetection 安装与使用指南

AerialDetection项目地址:https://gitcode.com/gh_mirrors/ae/AerialDetection

1. 项目目录结构及介绍

.
├── README.md         # 项目简介
├── config             # 配置文件夹，包含各种模型的配置参数
│   ├── base.py        # 基础配置
│   └── xxx_model.py    # 各种模型的具体配置
├── data               # 数据集相关文件
│   ├── datasets       # 包含不同数据集的处理代码
│   └── modeling       # 数据预处理脚本
├── models              # 模型定义文件夹
│   ├── basics          # 基础网络结构
│   ├── heads           # 网络头部组件
│   └── tools           # 辅助工具函数
├── mmdet               # 依赖的mmdetection库
│   ├── configs         # mmdetection原生配置文件
│   ├── models           # mmdetection模型
│   └── ...              # mmdetection其他子目录
└── scripts             # 用于训练、测试和转换模型的脚本
    ├── train.py        # 训练脚本
    ├── test.py         # 测试脚本
    └── demo.py         # 在测试图片上演示预测的脚本

AerialDetection项目主要基于mmdetection，增加了对空中图像对象检测的特定支持，其目录结构与mmdetection基本一致，但增添了额外的特性和适应性。

2. 项目的启动文件介绍

scripts/train.py

这是训练模型的主要脚本。它加载配置文件、初始化模型，并使用训练数据集开始训练过程。你可以通过传入不同的配置文件（config文件）来训练不同的模型。

scripts/test.py

测试模型性能的脚本。它同样接受配置文件，加载已训练好的模型权重，然后在验证集或测试集上进行评估，最后输出结果。

scripts/demo.py

演示脚本，可以实时地在一组测试图片上应用模型进行预测。这个脚本可用于快速检查模型在实际场景中的表现。

3. 项目的配置文件介绍

config文件夹包含了模型的配置参数，例如学习率、优化器、损失函数、训练策略等。每个模型通常有一个对应的配置文件，以.py结尾，如resnet_fpn.py。这些配置文件可以直接使用或者作为基础来修改以满足特定需求。

• base.py: 基础配置，包括通用的训练参数。
• xxx_model.py: 模型具体配置，例如faster_rcnn_r50_fpn_1x.py表示基于Faster R-CNN的ResNet50 FPN模型配置，训练步数设置为1x（默认）。

配置文件中的关键部分包括：

• dataset_type: 数据集类型。
• data_root: 数据集根目录。
• img_scale: 输入图像的尺度。
• model: 模型架构，包括backbone和head。
• optimizer: 优化器设置，如SGD或Adam。
• lr_config: 学习率调整策略。
• total_epochs: 总训练轮数。
• log_config: 日志记录配置。

为了开始训练或测试，你需要将相应的配置文件路径传递给启动脚本，例如：

python train.py path/to/config/file.py
python test.py path/to/config/file.py --work_dir output_directory

记住，在运行上述命令之前，确保所有依赖项正确安装并且数据集已准备就绪。

AerialDetection项目地址:https://gitcode.com/gh_mirrors/ae/AerialDetection