GitHub - SuperChay/Study-CSRNet-pytorch at zzun.app

数据集下载

ShanghaiTech Dataset: Google Drive

Python: 3.7.1

PyTorch: 1.9.0

CUDA: cuda10.2

1.先运行make_dataset.py生成A，B部分的.h文件(在数据集的ground_turth里面，所以要先下载数据集);

控制台执行python train.py part_A_train.json 0 0 训练A数据集控制台执行python train.py part_B_train.json 0 0 训练B数据集训练前记得修改.json下的路径（我是通过记事本一键替换改的数据集所在路径）

运行val.py可以看到测试模型的正确率（具体需要修改图片路径和训练好的模型路径）

运行test_single-image.py，修改路径后可以测试自己想测试的图片。

运行pth转onnx.py 可以实现模型转换，方便移植到其他深度学习框架。

Name		Name	Last commit message	Last commit date
Latest commit History 4 Commits
ONNX_test.py		ONNX_test.py
PartBmodel_best.onnx		PartBmodel_best.onnx
README.md		README.md
dataset.py		dataset.py
image.py		image.py
make_dataset.py		make_dataset.py
model.py		model.py
part_A_test.json		part_A_test.json
part_A_train.json		part_A_train.json
part_A_train_with_val.json		part_A_train_with_val.json
part_A_val.json		part_A_val.json
part_B_test.json		part_B_test.json
part_B_train.json		part_B_train.json
part_B_train_with_val.json		part_B_train_with_val.json
part_B_val.json		part_B_val.json
pth转onnx.py		pth转onnx.py
students.onnx		students.onnx
test_onnx.py		test_onnx.py
test_single-image.py		test_single-image.py
train.py		train.py
utils.py		utils.py
val.py		val.py
watch_image.py		watch_image.py