模型简介

模型介绍： 图像检测中的检测框默认是轴对称的，大多数比较成功的检测方法都是要列举很大数量的候选框，再进一步进行定位和分类。但是这样的做法往往是多余而又低效率的。本文中我们提出了一种对物体的中心点进行定位的方法，并且在此基础上回归出物体的其他属性，比如尺寸、3D位置、方向甚至是姿态。我们提出的网络称之为CenterNet，它是一个端到端可微分，更简化快捷精度更高的方法。官方论文：https://arxiv.org/abs/1904.08189v3

---

1. 使用方法

   • 1.1. 准备数据集

   • 1.2. 模型推断

   • 1.3. 模型训练

   • 1.4. 模型测试

2. 模型来源

1. 使用方法

1.1. 准备数据集

在终端，在root/centernet（默认）路径下，运行以下命令：

cd ../..
# 进入根目录
cp -r /datasets/voc2007/VOCdevkit ../../../user-data
# 将复现所需的公开数据集复制到指定文件夹下
python voc_annotation.py
# 生成路径文件2007_train.txt和2007_val.txt

1.1. 模型推断

在终端，进入root/centernet（默认）路径下，运行以下命令：

python predict.py
# 默认输入的检测图为img/street.jpg，可按需更改

1.2. 模型训练

在终端，进入root/centernet（默认）路径下，运行以下命令：

python train.py

1.3. 模型测试

在终端，进入root/centernet（默认）路径下，运行以下命令：

python get_map.py

2. 模型来源

https://github.com/bubbliiiing/centernet-pytorch