Retinanet-FPN做目标检测详细教程
- 一. 项目环境
- 二.项目连接
- 三.项目搭建
- 3.1 数据准备
- 3.2 搭建流程
- 四.源码分析
- 五.参考文章
一. 项目环境
以下是我工程的环境（基于ubuntu18.04）：
环境 | 版本 |
python | 3.6 |
pytorch | 1.5.0 |
注释：环境主要是pytorch环境，而且库很好安装，缺少什么库就安装什么库，这个很简单；
二.项目连接
论文连接：https://arxiv.org/abs/1708.02002
项目连接：https://github.com/yhenon/pytorch-retinanet
三.项目搭建
3.1 数据准备
3.1.1准备coco数据集下载：
coco数据集地址下载方法一：
train2017：http://images.cocodataset.org/zips/train2017.zip
val2017：http://images.cocodataset.org/zips/val2017.zip
test2017：http://images.cocodataset.org/zips/test2017.zip
trainval2017：http://images.cocodataset.org/annotations/annotations_trainval2017.zip
trainval2017：http://images.cocodataset.org/annotations/stuff_annotations_trainval2017.zip
image_info_test2017：http://images.cocodataset.org/annotations/image_info_test2017.zipcoco数据集地址百度云下载方法二：
链接: https://pan.baidu.com/s/1XrRHtRIHu5Jp5j4Rv_-vXA 密码: cw0l
数据目录图片展示：
3.1.2数据增强和路径配置：
注释：数据增强和筛选很重要，后期我会专门讲解这块。
路径配置在train.py(P27).
3.2 搭建流程
3.2.1搭建流程：
github下载源码并把环境配置配置好，用pycharm打开。train.py参数配置好就可以运行，太简单了/haha.jpg/。然后可以单步调试就行了。具体函数在源码分析里面详细讲解。
四.源码分析
4.1.1代码目录：
4.2.1代码流程：
- 前期准备：
1》论文熟悉了，通读两遍。
2》弄明白focalLoss原理，很简单的思想。参考：
Retinanet的思想FocalLoss的原理
3》Resnet50结构： - 2.代码熟悉：
1》大致流程图如下：
