%20(2).svg)
项目简介
本项目借助PyTorch的torchvision模块构建Faster - RCNN模型，用于目标检测任务。涵盖模型构建、训练、测试流程，支持使用COCO数据集进行训练和评估。
项目的主要特性和功能
- 支持COCO数据集的训练与评估。
- 具备模型训练、评估和单张图片检测功能。
- 包含数据集预处理、模型训练、评估及单张图片检测脚本。
- 支持分布式训练和多卡并行训练。
安装使用步骤
环境搭建
- 进入项目目录：
cd Faster - RCNN - with - torchvision/ - 安装依赖：
sudo pip install -r requirements.txt
数据准备
- 下载COCO 2017数据集。
- 数据集文件结构应为：
coco/2017/annotations/,coco/2017/test2017/,coco/2017/train2017/,coco/2017/val2017/
训练
- 训练命令：
python -m torch.distributed.launch --nproc_per_node=6 --use_env train.py --world-size 6 --b 4 - 参数说明：
--nproc_per_node为训练使用的GPU数量，--b为每个GPU的batch size大小，--epochs为训练epoch数目，output - dir为模型输出路径。
测试
- 测试命令：
python detect.py --model_path result/model_13.pth --image_path imgs/1.jpg - 参数说明：
--model_path指定模型路径，--image_path指定待检测图片路径。
结果查看
- 查看训练过程中的平均精度（AP）和平均召回率（AR）指标。
- 查看示例检测结果图像。
注意：运行前需确保已安装PyTorch、torchvision等必要库，并按需调整数据路径、训练参数等。
下载地址
点击下载 【提取码: 4003】【解压密码: www.makuang.net】