COCO和VOC目标检测，基于pytorch，开箱即用，不需要CUDA编译。支持Faster_RCNN、Cascade_RCNN、Yolo系列、SSD。
对比mmdetection，mmdetection功能很多，但是封装的层数也过多，对于初学者不是太友好。因此将经典的检测模型用简单的方式整理或重写了一下。如果遇到问题欢迎提issue或者与我联系。
Faster RCNN实现细节可以参考我的Blog：Faster RCNN实现细节.
支持结果可视化、自定义数据集、多卡同步训练。
训练时间(Faster RCNN)：
| 单卡2080ti | 8卡2080ti | |
|---|---|---|
| VOC | 6小时 | 45分钟 |
| COCO | 48小时 | 6小时 |
-
安装和使用方法见 使用手册.md.
-
Faster RCNN实现细节请参考 Faster RCNN实现细节.
-
带有详细注释的代码细节请参考
network/Faster_RCNN_v2/faster_rcnn目录下的相关文件。
| 结构 | [email protected] | 下载链接 | 密码 | 日志 |
|---|---|---|---|---|
| YoloV2 | 76.46 | [百度网盘] | mwik | [训练日志] |
| FasterRCNN + Res50 + FPN | 82.39 | [百度网盘] | isqt | [训练日志] |
| CascadeRCNN + Res50 + FPN | 81.90 | - | - | [训练日志] |
| SSD300 + VGG16 | 79.21 | [百度网盘] | 59y0 | - |
| SSD512 + VGG16 | 82.14 | [百度网盘] | 0iur | - |
| 结构 | COCO AP* | [email protected] | [email protected] | 下载链接 | 日志 |
|---|---|---|---|---|---|
| FasterRCNN + Res50 + FPN | 35.41 | 57.11 | 38.43 | [pytorch] | [训练日志] |
| CascadeRCNN + Res50 + FPN | 38.71 | 56.61 | 42.16 | - | [训练日志] |
*注：COCO AP是IoU@[0.5:0.95]的mAP平均值。
-
YoloV2、YoloV3 https://github.com/andy-yun/pytorch-0.4-yolov3
-
EfficientDet https://github.com/rwightman/efficientdet-pytorch
-
YoloV4 https://github.com/Tianxiaomo/pytorch-YOLOv4 https://github.com/argusswift/YOLOv4-pytorch
-
Faster_RCNN https://github.com/pytorch/vision/tree/master/torchvision/models/detection
-
RetinaNet https://github.com/yhenon/pytorch-retinanet