论文《Multi-Scale Aligned Distillation for Low-Resolution Detection》 对应 github 项目 MSAD安装步骤

论文《Multi-Scale Aligned Distillation for Low-Resolution Detection》 对应 github 项目 MSAD安装步骤

项目地址：https://github.com/dvlab-research/MSAD

一 实验环境

1. ubuntu 18.04
2. CUDA 10.2
3. python 3.6
4. pytorch 1.8.0
5. torchvision 0.9.0

二 安装步骤

     1.先创建虚拟环境：

         conda create -n msad python=3.6

         conda activate msad

     2.安装pytorch

         conda install pytorch==1.8.0 torchvision torchaudio cudatoolkit=10.2 -c pytorch

     3. MSAD是基于Detectron2 做的，所以要先下载安装Detectron2

         (1) 下载并解压detectron2-main.zip:  unzip detectron2-main.zip

         (2) python -m pip install -e detectron2-main

     4. 设置数据集，预训练模型要用coco2017 数据集验证，默认在detectron2-main/datasets 目录下寻找coco目录。也可以设置环境变量 DETECTRON2_DATASETS ，这时将会在DETECTRON2_DATASETS 目录下寻找coco目录。目录结构如下：

       

       

我下载的数据集位置为

于是我设置环境变量

         export DETECTRON2_DATASETS=/media/abc123/5B27D97AFEFC2455/data

     5.下载MSAD，并解压到detectron2-main/projects目录下

     6. 下载slimmable resnet50 pretrained weight :

https://drive.google.com/open?id=1f6q37OkZaz_0GoOAwllHlXNWuKwor2fC

     我放到了detectron2-main/projects/MSAD-main目录下，并改名成s_resnet50.pt 

7. 修改detectron2-main/projeccts/MSAD-main/configs/base-SLRESNET-FCOS.yaml文件中weights的参数

8.下载预训练模型并进行evaluation

把SLR50-050-T.pth放到detectron2-main/projects/MSAD-main目录下

用cd命令进入detectron2-main目录后，执行：

python projects/MSAD-main/train_net_T.py --config-file projects/MSAD-main/configs/SLR050-50T.yaml  --num-gpus 2 --eval-only MODEL.WEIGHTS projects/MSAD-main/SLR50-050-T.pth

可以看到已经开始evaluation了。最后结果AP为38.3946

 

与作者给出该模型对应的BoxAP=38.4相吻合