RFSong-7993进行行人检测

重新设计的RFBNet300,模型参数量只有0.99MB，AP达到0.80(相比RFBNet300降了两个点)，速度却可以达到200FPS，并且在多个其他任务表现良好，例如钢筋检测，人手检测等等

文章链接：https://zhuanlan.zhihu.com/p/76491446

环境

在python3.6 Ubuntu16.04 pytorch1.1下进行了实验

• 编译NMS

./make.sh

训练自己的数据集

1. 新建一个文件夹VOCdevkit，将自己的VOC格式数据集的VOC2007文件夹移动到VOCdevkit中，例如我的就是/home/common/wangsong/VOCdevkit/VOC2007

$VOCdevkit/
$VOCdevkit/VOC2007/
$VOCdevkit/VOC2007/Annotations/
$VOCdevkit/VOC2007/ImageSets/
$VOCdevkit/VOC2007/JPEGImages/

2. 修改data/config.py中的数据集路径 VOCroot = '/home/common/wangsong/VOC/VOCdevkit' 改为自己数据集对应的路径

3. 修改针对VOC行人的代码部分，可以参考我的博客查看修改的地方

• train_RFB.py的trainsets进行改动：train_sets = [('2007', 'trainval'))]
• data/voc0712.py和data/voc_eval.py这两个文件可以直接用钢筋检测里面的替换

或者在群文件下载RFSong多数据集联合训练文件夹（因为多数据集联合训练就统一用的VOC2007格式）

4. 运行train_RFB

与RFB不同的是

• 代码更方便进行自己设计网络
• 网络非常轻量级只有3.1 MB
• 网络速度相比RFB有显著提升,能够达到200FPS

更新

在VOC0712+COCO+PRW+SYSU总共大概十万张图片的数据集上进行了训练，模型代码和权重都放在了群文件，实测效果得到了显著提升，有需要的可以直接加群下载使用。

欢迎加群交流，云深不知处-目标检测 763679865