OHEM安装运行(Training Region-based Object Detectors with Online Hard Example Mining)

陈龙CL

于 2016-09-27 09:49:04 发布

阅读量1.5k

点赞数 1

分类专栏：深度学习物体检测 caffe 文章标签：物体检测深度学习 OHEM

本文链接：https://blog.youkuaiyun.com/timeflyhigh/article/details/52678024

版权

本文介绍如何使用在线难例挖掘(OHEM)优化Fast R-CNN的目标检测性能，包括环境搭建、模型训练及测试流程，并提供详细的步骤指导。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

OHEMgithub地址
https://github.com/abhi2610/ohem
结果可以重现的论文结果重现结果
Fast R-CNN (FRCN) VOC 07 trainval VOC 07 test 66.9 67.6
FRCN with OHEM VOC 07 trainval VOC 07 test 69.9 71.5
FRCN with OHEM VOC 07 trainval + 12 trainval VOC 07 test 74.6 75.5
最高结果，未复现 +M是多尺度，+B是bounding box regression
FRCN with OHEM, +M, +B VOC 07 trainval + 12 trainval VOC 07 test 78.9
一.软件要求
1.需要caffe和pycaffe支持
修改Makefile.config，WITH_PYTHON_LAYER := 1，USE_CUDNN := 1 可有可无
2.安装python包 cython, python-opencv, easydict, `yaaml’
3.代码中评价时用到了非官方的MATLAB版PASCAL VOC evaluation，代码中已经包含了。
二.正式安装
1.git clone –recursive https://github.com/abhi2610/ohem.git，之后成代码所在路径为OHEM_ROOT
2.编译Cython模块
cd OHEMROOT/libmake3.编译Caffeandp

最低0.47元/天解锁文章