Croooooow/ad_proj

介绍

本文训练相关代码基于yolact

安装

pip install pytorch torchvision
pip install cython
pip install opencv-python pillow pycocotools matplotlib 

训练

将COCO stuff的数据集放入data/coco目录，之后data/coco下目录结构应该如下：

├── annotations
│   ├── deprecated-challenge2017
│   ├── stuff_train2017.json
│   ├── stuff_train2017_pixelmaps.zip
│   ├── stuff_val2017.json
│   └── stuff_val2017_pixelmaps.zip
├── train2017
└── val2017

然后执行：

  sh train.sh yolact_stuffwallonly_res50_config 32

其中32为4GPU * 8batchsize，根据实际情况调整

测试

1. 从待测视频(如abc.mp4)第一帧截取marker，存在anchor/abc下
2. 将待测视频放入video_input目录下
3. 执行

  CUDA_VISIBLE_DEVICES=1 python eval.py --trained_model=weights/yolact_stuff_res50_88_200000.pth --score_threshold=0.3 --top_k=5 --video_multiframe=1 --video=video_input::video_output

该命令会将依次对video_input目录下的视频进行处理。 训练好的模型参数可以从这里下载：百度网盘 提取码：hryc