VOS 项目使用教程

1. 项目目录结构及介绍

VOS 项目的目录结构如下：

vos/
├── classification/
│   └── CIFAR/
│       ├── train_virtual.py
│       └── train_virtual_dense.py
├── detection/
│   ├── train_net.py
│   └── train_net_gmm.py
├── plot_fig1/
├── LICENSE
├── README.md
├── bdd_coco_plot.py
├── convert_weight.py
├── metric_utils.py
├── requirements.txt
└── voc_coco_plot.py

目录结构介绍

• classification/: 包含用于分类任务的代码，特别是针对 CIFAR 数据集的训练脚本。
  • CIFAR/: 包含训练虚拟异常合成的脚本。
    • train_virtual.py: 用于训练 WideResNet 模型的脚本。
    • train_virtual_dense.py: 用于训练 DenseNet 模型的脚本。
• detection/: 包含用于目标检测任务的代码。
  • train_net.py: 用于训练 Faster-RCNN 模型的脚本。
  • train_net_gmm.py: 用于训练 VOS 模型的脚本。
• plot_fig1/: 包含用于生成图表的代码。
• LICENSE: 项目的许可证文件。
• README.md: 项目的介绍和使用说明。
• bdd_coco_plot.py: 用于 BDD 和 COCO 数据集的评估和可视化脚本。
• convert_weight.py: 用于转换模型权重的脚本。
• metric_utils.py: 用于计算评估指标的工具脚本。
• requirements.txt: 项目依赖的 Python 包列表。
• voc_coco_plot.py: 用于 VOC 和 COCO 数据集的评估和可视化脚本。

2. 项目启动文件介绍

启动文件

• train_net.py: 用于训练 Faster-RCNN 模型的启动脚本。
• train_net_gmm.py: 用于训练 VOS 模型的启动脚本。

使用方法

训练 Faster-RCNN 模型

python train_net.py --dataset-dir path/to/dataset/dir --num-gpus 8 --config-file VOC-Detection/faster-rcnn/vanilla.yaml --random-seed 0 --resume

训练 VOS 模型

python train_net_gmm.py --dataset-dir path/to/dataset/dir --num-gpus 8 --config-file VOC-Detection/faster-rcnn/vos.yaml --random-seed 0 --resume

3. 项目配置文件介绍

配置文件

• config-file: 配置文件用于指定模型的训练参数和数据集路径。

配置文件示例

# VOC-Detection/faster-rcnn/vanilla.yaml
dataset-dir: path/to/dataset/dir
num-gpus: 8
random-seed: 0
resume: true

配置文件参数说明

• dataset-dir: 数据集的存储路径。
• num-gpus: 使用的 GPU 数量。
• random-seed: 随机种子，用于确保实验的可重复性。
• resume: 是否从之前的检查点恢复训练。

通过以上配置文件，可以灵活地调整训练过程中的各项参数，以适应不同的实验需求。