2021-11-13

2021-11-13 使用cvpods对《End-to-End Object Detection with Fully Convolutional Network》复现 论文简介

作者提供的代码链接：https://img.shields.io/github/license/Megvii-baseDetection/DeFCN.
原文链接：https://arxiv.org/pdf/2012.03544v3.pdf
该文章针对目标检测，抛弃了NMS，采用一对一标签分配（POTO）代替NMS进行后处理，为了提升性能，增加了三维最大滤波（3dmf）和辅助损失，最终得到的效果超过了使用NMS的目标检测。

环境要求

1.*必须是linux！*我们当初配了好久的windows，结果全部白搭！！！
2.必须有GPU！这个论文使用了CrowdHuman和COCO两个数据集，COCO那超级大，COCO2017就10G+，而且为了精度迭代240000次（一个GPU条件下），作者当初用了8个GPU，跑了8小时，我们只有三个，就没跑COCO，只跑了CrowdHuman。。。
3.需要配置cvpods，一个只迭代到了1.0版本，几乎没人用过的代码库。

环境配置

README里面说的很简单，配置两个东西：

• cvpods
• scipy >= 1.5.4
  scipy就不说了，很好安装。cvpods的安装，官方链接给了三种安装方法，其中，其中，第一种，python3 -m pip install ‘git+https://github.com/Megvii-baseDetection/cvpods.git’ --user 是错的，在我们的服务器上，写不了关键的配置，只需要改用第二种，就可以啦。
  （我们当时弄了两周，都改不好这个，当时的环境删了，报错信息就是tmp什么什么的找不到）

运行界面

如图是用三个GPU跑COCO的图片: