混合知识路由网络(针对大尺度范围的对象检测)

混合知识路由网络（针对大尺度范围的对象检测）

此代码实现参考了jwyang/faster-rcnn.pytorch。

依赖；

PyTorch = 0.3.1(不支持pytorch 0.4或更高版本）

Torchvision >= 0.2.0

cython

pyyaml

easydict

opencv-python

matplotlib

numpy

scipy

tensorboardX

CUDA 8.0

gcc >= 4.9

编译：

sh make.sh

数据准备：创建data文件夹。下载ADE20K 数据集。

还可以使用数据集VG1000，VG3000，或MSCOCO and PACAL VOC graphs。

训练：要使用ResNet101的预训练模型，下载后放到data/pretrained_model/下。

CUDA_VISIBLE_DEVICES=$GPU_ID python trainval_baseline.py \

--dataset vg --bs $BATCH_SIZE --nw $WORKER_NUMBER \

--log_dir $LOG_DIR --save_dir $WHERE_YOU_WANT

训练HKRM：

CUDA_VISIBLE_DEVICES=$GPU_ID python trainval_HKRM.py \

--dataset vg --bs $BATCH_SIZE --nw $WORKER_NUMBER \

--log_dir $LOG_DIR --save_dir $WHERE_YOU_WANT \

--init --net HKRM --attr_size 256 --rela_size 256 --spat_size 256

测试：

python test_net.py --dataset vg --net HKRM \

--load_dir $YOUR_SAVE_DIR \

--checksession $SESSION --checkepoch $EPOCH --checkpoint $CHECKPOINT