%20(2).svg)
项目简介
本项目是基于MMDetection框架开发的行人计数系统，借助深度学习技术实现行人的检测与计数。支持多种行人检测模型，还提供动态卷积和可变形卷积的扩展版本。该系统能适配多种行人数据集，可处理不同分辨率和尺度的行人图像。
项目的主要特性和功能
- 多模型支持：支持ATSS、RetinaNet等多种行人检测模型。
- 动态卷积和可变形卷积：提供对应扩展版本，提升检测精度。
- 多尺度训练：支持多尺度训练策略，适应不同大小的行人目标。
- 数据集兼容性：兼容TJU - DHD - Ped - traffic和TJU - DHD - Ped - campus等多种行人数据集。
- 评价指标：提供COCO评价指标和行人检测的miss_rate指标。
安装使用步骤
假设用户已经下载了本项目的源码文件。
1. 下载数据集
新建一个数据集目录，并下载所需的数据集文件：
bash
cd [DATA_ROOT]
mkdir TJU-Ped-traffic
从TJU - DHD官方连接处下载以下文件并上传到服务器：
- dhd_traffic_trainval_images.zip
- dhd_pedestrian_traffic_trainval_annos.zip
解压文件：
bash
cd [DATA_ROOT]
unzip dhd_traffic_trainval_images.zip
unzip dhd_pedestrian_traffic_trainval_annos.zip
将数据目录链接到项目目录下：
bash
cd [PROJECT_ROOT]
ln -s [DATA_ROOT] data
2. 准备运行环境
创建并激活虚拟环境，安装必要的依赖：
bash
cd [PROJECT_ROOT]
conda create -n dl python=3.9 -y
conda activate dl
conda install pytorch torchvision cudatoolkit=11.3 -c pytorch -y
pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu113/torch1.11.0/index.html
pip install mmdet
pip install -r requirements.txt
python setup.py develop
3. 运行训练程序
使用以下命令开始训练模型：
bash
CUDA_VISIBLE_DEVICES=0,1,2,3 PORT=19191 tools/dist_train.sh configs/atss/atss_r50_fpn_1x_coco.py 4 --cfg-options "data.samples_per_gpu=4 optimizer.lr=0.005"
4. 测试已有模型
使用以下命令测试已训练好的模型：
bash
CUDA_VISIBLE_DEVICES=0,1,2,3 PORT=19191 tools/dist_test.sh configs/atss/atss_r50_fpn_1x_coco.py work_dirs/atss_r50_fpn_1x_coco/latest.pth 4 --eval bbox miss_rate
下载地址
点击下载 【提取码: 4003】【解压密码: www.makuang.net】