https://github.com/misads/easy_detection
一个简单方便的目标检测框架(PyTorch环境可直接运行，不需要cuda编译)，支持Faster_RCNN、Cascade_RCNN、Yolo系列、SSD等经典网络。
https://github.com/misads/easy_detection
coco detection pytorch voc yolo
Last synced: about 2 months ago
JSON representation
一个简单方便的目标检测框架(PyTorch环境可直接运行，不需要cuda编译)，支持Faster_RCNN、Cascade_RCNN、Yolo系列、SSD等经典网络。
- Host: GitHub
- URL: https://github.com/misads/easy_detection
- Owner: misads
- License: mit
- Created: 2020-09-23T13:13:15.000Z (over 4 years ago)
- Default Branch: master
- Last Pushed: 2022-04-01T03:11:13.000Z (about 3 years ago)
- Last Synced: 2024-08-03T01:22:55.923Z (11 months ago)
- Topics: coco, detection, pytorch, voc, yolo
- Language: Python
- Homepage:
- Size: 6.33 MB
- Stars: 254
- Watchers: 4
- Forks: 41
- Open Issues: 36
-
Metadata Files:
- Readme: README.md
- License: LICENSE
Awesome Lists containing this project
- awesome-yolo-object-detection - misads/easy_detection - RCNN等经典网络。 (Other Versions of YOLO)
- awesome-yolo-object-detection - misads/easy_detection - RCNN等经典网络。 (Other Versions of YOLO)
README
# easy_detection
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](http://wiki.xyu.ink/#/cv/faster_rcnn?id=a31-faster-rcnn).
## 目录
- [介绍](#介绍)
- [使用说明](#使用说明)
- [模型指标和预训练模型](#模型指标和预训练模型)
- [参考链接](#参考链接)
## 介绍
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|
## 使用说明
- 安装和使用方法见 [使用手册.md](/_assets/_docs/tutorial.md).
- Faster RCNN实现细节请参考 [Faster RCNN实现细节](http://wiki.xyu.ink/#/cv/faster_rcnn?id=a31-faster-rcnn).
- 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。
## 模型指标和预训练模型
### VOC数据集
| 结构 | [email protected] | 下载链接 | 密码 | 日志 |
| ----------- | -------- | ----- | ----- | ----- |
| YoloV2 | 76.46| [[百度网盘]](https://pan.baidu.com/s/1UyWGG1kn5h1l_FHP3idurw)| mwik | [[训练日志]](/_assets/_logs/yolo2_voc.txt) |
| FasterRCNN + Res50 + FPN | 82.39 | [[百度网盘]](https://pan.baidu.com/s/17NDNGeVRYxCG0vWqgaFDxQ) | isqt | [[训练日志]](/_assets/_logs/faster_rcnn_voc.txt) |
| CascadeRCNN + Res50 + FPN | 81.90 | - | - | [[训练日志]](/_assets/_logs/cascade_rcnn_voc.txt) |
| SSD300 + VGG16 | 79.21 | [[百度网盘]](https://pan.baidu.com/s/18XN0Atybz27DnwFdUsMRPg)| 59y0 | - |
| SSD512 + VGG16 | 82.14 | [[百度网盘]](https://pan.baidu.com/s/1CYB7GvLYxin01Oqwo0v7ZQ)| 0iur | - |
### COCO数据集
| 结构 | COCO AP\* | [email protected] | [email protected] |下载链接 | 日志 |
| --------------- | ---------- | ------ | ----- | ----- | ----- |
| FasterRCNN + Res50 + FPN | 35.41 |57.11| 38.43 | [[pytorch]](https://download.pytorch.org/models/fasterrcnn_resnet50_fpn_coco-258fb6c6.pth) | [[训练日志]](/_assets/_logs/faster_rcnn_coco.txt) |
| CascadeRCNN + Res50 + FPN | 38.71 |56.61| 42.16 | - | [[训练日志]](/_assets/_logs/cascade_rcnn_coco.txt) |
\*注：COCO AP是IoU@\[0.5:0.95\]的mAP平均值。
## 参考链接
- SSD
- YoloV2、YoloV3
- EfficientDet
- YoloV4
- YoloV5
- Faster_RCNN
- RetinaNet