faster rcnn(pytorch)代码复现记录

本文记录了一位初学者使用PyTorch复现Faster R-CNN的过程,包括下载代码、配置数据集、创建预训练模型软链接、测试图片并解决遇到的Scipy imresize问题,以及准备训练自己的模型阶段,涉及到vgg16预训练模型的下载。

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

最近在学习计算机视觉,记录一下一个小白学习faster rcnn 的过程。
复现代码链接:https://github.com/ruotianluo/pytorch-faster-rcnn
复现环境:ubuntu18.04+pytorch1.3,GPU使用1080Ti。

一、利用预训练模型的测试图片

1、首先按照链接的要求,下载代码。
git clone https://github.com/ruotianluo/pytorch-faster-rcnn.git
2、下载数据集

我是在VOC2012数据集上进行测试,已经提前下载了VOC2012数据集。
然后在根目录下创建一个data文件夹,然后建立软链接来指向数据集的位置,方法如下:

cd $FRCN_ROOT/data
ln -s $VOCdevkit VOCdevk
评论
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