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。
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 |
安装和使用说明见 使用手册.md.
| 结构 | mAP@.5 | 下载链接 | 密码 | sha256 |
|---|---|---|---|---|
| YoloV2 | 76.46 | [百度网盘] | mwik | 5d29a34b |
| FasterRCNN + Res50 + FPN | 82.39 | [百度网盘] | isqt | 3d5c3b15 |
| CascadeRCNN + Res50 + FPN | 81.90 | - | - | - |
| SSD300 + VGG16 | 79.21 | [百度网盘] | 59y0 | 106c0fc9 |
| SSD512 + VGG16 | 82.14 | [百度网盘] | 0iur | 844b40b3 |
| 结构 | COCO AP* | mAP@.5 | mAP@.75 | 下载链接 | 密码 | sha256 |
|---|---|---|---|---|---|---|
| FasterRCNN + Res50 + FPN | 35.41 | 57.11 | 38.43 | [pytorch] | - | 258fb6c6 |
| CascadeRCNN + Res50 + FPN | 38.71 | 56.61 | 42.16 | - | - | - |
| YoloV3 | - | 55.3 | - | [百度网盘] | cf4j | 943b926a |
| YoloV4 | - | 62.8 | - | [百度网盘] | nio7 | 797dc954 |
| YoloV5 | - | 64.30 | - | [百度网盘] | cssw | 8e54a2e8 |
*注：COCO AP是IoU@[0.5:0.95]的mAP平均值。
-
YoloV2、YoloV3 https://github.com/andy-yun/pytorch-0.4-yolov3
-
EfficientDet https://github.com/rwightman/efficientdet-pytorch
-
YoloV4 https://github.com/Tianxiaomo/pytorch-YOLOv4 https://github.com/argusswift/YOLOv4-pytorch
-
Faster_RCNN https://github.com/pytorch/vision/tree/master/torchvision/models/detection