CenterNet：目标检测

这是本书第十三章目标检测的配套代码。

1 环境准备

• 本程序需要安装PyTorch
• 还需要通过pip install -r requirements.txt 安装其它依赖

2 数据准备

本实验使用的内容图片数据集来自COCO，点此下载训练集，点此下载验证集，点[此]下载对应的标注信息(http://images.cocodataset.org/annotations/annotations_trainval2017.zip)。

数据的组织形式如下：

    ├── data/ 			# 无代码，用来保存数据集
    │  ├──train2017/ 	# 训练数据集图像
    │  ├──val2017/ 		# 验证数据集图像
    │  └──annotations/ 	# 标注信息

用法

如果想要使用visdom可视化，请先运行python -m visdom.server启动visdom服务

• 训练

# 训练，使用GPU
python main.py train \
		--gpu \ 
        --batch-size=32

• 测试

# 训练，使用GPU
python main.py test \ 
		--gpu=False \
		--model-path='checkpoints/centernet_final.pth' \
		--test-img-path='test_img/' \ 
		--test-save-path='test_result/'

考虑到训练一个目标检测模型需要相对较多的资源，本代码保存了训练好的模型，点此下载。该训练好的模型以ResNet18为backbone，效果有限，读者可以自行更换为DLA等backbone。读者可以使用其他图片查看目标检测的效果。

部分目标检测的结果：