RFSong-779进行行人检测

重新设计的RFBNet300,模型参数量只有0.99MB，AP达到0.78(相比RFBNet300降了4个点，相比RFong7993降了两个点)，速度可以达到200FPS。 RFSong779虽然参数量更小，但是速度与RFSong7993差不多，而精度低了两个点，因此更推荐RFSong7993。后面也利用RFSong7993版本做了很多其他实验，例如钢筋检测、人手检测还有人头检测，表现都还是很好的。

详细讲解请看文章：我的博客

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

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/

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
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

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0.99 MB
网络速度相比RFB有显著提升,能够达到200FPS

欢迎加群交流，云深不知处-目标检测 763679865

songwsx/RFSong-779

RFSong-779进行行人检测

环境

训练自己的数据集

与RFB不同的是