目标检测EfficientDet运行教程_python efficientdet_test.py

本人尝试了efficientdet的TensorFlow版本和Pytorch版本代码，但是没有运行成功TensorFlow版本的，只运行成功了Pytorch版本代码，这里将会解释Pytorch版本代码运行过程，事先声明，本人的运行环境是 windows10+Python3.7，本文 仅包含测试，无训练，适者食用啊。

代码下载

这里给出了Pytorch版本代码链接，代码里包含了已经下好的7种网络架构，可直接运行。https://download.csdn.net/download/weixin_43688482/13950552
以防没有币的人也能运行，这里给出原版的Pytorch版本代码链接，需要自行下载另外网络架构文件，还需修改代码才可运行成功。谨慎食用啊~https://github.com/zylo117/Yet-Another-EfficientDet-Pytorch

文章详解

Google Brain 团队的三位 Auto ML 大佬 Mingxing Tan, Ruoming Pang, Quoc V. Le 在 CVPR 2020 发表一篇文章 EfficientDet: Scalable and Efficient Object Detection，代码已经开源到了 Github。众所周知，神经网络的速度和精度之间存在权衡，而 EfficientDet 是一个总称，可以分为 EfficientDet D1 ~ EfficientDet D7，速度逐渐变慢，但是精度也逐渐提高。
这里推荐一篇详解文章 https://zhuanlan.zhihu.com/p/93241232

环境调试

本代码是在windows10下运行成功的，CUDA 9.0 + pytorch 1.1.0 + torchvision 0.3.0。这里的pytorch 和torchvision 版本应该与CUDA版本对应，CUDA的下载安装方法可参考https://www.cnblogs.com/arxive/p/11198420.html

• 1.查看版本信息是否对应
  打开命令窗口，输入命令nvcc -V查看CUDA版本信息
  
  进入python环境，输入如下代码查看pytorch 和 torchvision版本信息

// An highlighted block
>>>import torch
>>>import torchvision
>>>torch.__version__
>>>torchvision.__version__
1
2
3
4
5

根据版本信息下载安装不同的版本即可

• 2.安装pytorch对应版本

// An highlighted block
pip install torch==1.1.0 -f https://download.pytorch.org/whl/torch_stable.html
1
2

• 3.安装torchvision对应版本

// An highlighted block
pip install torchvision==0.3.0
1
2

代码执行

打开Yet-Another-EfficientDet-Pytorch-master\efficientdet_test.py文件。
1.对于下载原版pytorch代码的小伙伴们需要修改62行的代码如下（原来的代码是啥样的忘记了，直接给了修改好的），下载本人提供的代码可忽略1和2步骤，直接3步骤开始。

2. 将下载好的网络模型文件放在Yet-Another-EfficientDet-Pytorch-master\weights文件夹下，模型文件在原码中有
模型文件：

网络模型文件存放路径

3.代码介绍并运行，直接运行efficientdet_test.py文件即可


efficientdet_test.py文件下的compound_coef指的网络模型版本，可选0-7,8我没有下载，有兴趣的可以下载一下试试，img_path为测试的图片路径，测试结果图片存放在test文件夹下。

实验结果

这是本人用提供的（0-7）8种网络模型测试同一张图片的结果








根据效果看未必d7比较好，具体情况还得具体分析。最后如果有问题的话欢迎交流指正呀~