# RFSong-779

**Repository Path**: mvt/RFSong-779

## Basic Information

- **Project Name**: RFSong-779
- **Description**: 重新设计的RFBNet300,模型参数量只有0.99MB，AP达到0.78，200FPS
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2020-09-22
- **Last Updated**: 2020-12-19

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# RFSong-779进行行人检测
重新设计的RFBNet300,模型参数量只有0.99MB，AP达到0.78(相比RFBNet300降了4个点，相比RFong7993降了两个点)，速度可以达到200FPS。
RFSong779虽然参数量更小，但是速度与RFSong7993差不多，而精度低了两个点，因此更推荐RFSong7993。后面也利用RFSong7993版本做了很多其他实验，例如钢筋检测、人手检测还有人头检测，表现都还是很好的。

详细讲解请看文章：[我的博客](https://zhuanlan.zhihu.com/p/76491446 "悬停显示")
## 环境
在python3.6 Ubuntu16.04 pytorch1.1下进行了实验
- 编译NMS

 `./make.sh`

# 训练自己的数据集

1. 新建一个文件夹VOCdevkit，将自己的VOC格式数据集的VOC2007文件夹移动到VOCdevkit中，例如我的就是/home/common/wangsong/VOCdevkit/VOC2007
```Shell
$VOCdevkit/
$VOCdevkit/VOC2007/
$VOCdevkit/VOC2007/Annotations/
$VOCdevkit/VOC2007/ImageSets/
$VOCdevkit/VOC2007/JPEGImages/
```

2. 修改data/config.py中的数据集路径 `VOCroot = '/home/common/wangsong/VOC/VOCdevkit' ` 改为自己数据集对应的路径

3. 修改针对VOC行人的代码部分，可以参考[我的博客](https://zhuanlan.zhihu.com/p/75086049 "悬停显示")查看修改的地方
  - train_RFB.py的trainsets进行改动：`train_sets = [('2007', 'trainval'))]`
  - data/voc0712.py和data/voc_eval.py这两个文件可以直接用[钢筋检测](https://zhuanlan.zhihu.com/p/75086049 "悬停显示")里面的替换

4. 运行train_RFB

# 与RFB不同的是
- 代码更方便进行自己设计网络
- 网络非常轻量级只有0.99 MB
- 网络速度相比RFB有显著提升,能够达到200FPS

欢迎加群交流，云深不知处-目标检测 763679865