Places365 项目使用教程

1. 项目的目录结构及介绍

Places365 项目的目录结构如下：

places365/
├── docker/
├── IO_places365.txt
├── LICENSE
├── README.md
├── adjectives_download.csv
├── cam_example.jpg
├── categories_hybrid1365.txt
├── categories_places365.txt
├── convert_model.py
├── convert_python36.py
├── demo_pytorch_CAM.py
├── deploy_alexnet_places365.prototxt
├── deploy_googlenet_places365.prototxt
├── deploy_resnet152_hybrid1365.prototxt
├── deploy_resnet152_places365.prototxt
├── deploy_vgg16_hybrid1365.prototxt
├── deploy_vgg16_places365.prototxt
├── labels_sunattribute.txt
├── places365CNN_mean.binaryproto
├── run_placesCNN_basic.py
├── run_placesCNN_unified.py
├── solver_alexnet.prototxt
├── solver_vgg16.prototxt
├── train_placesCNN.py
├── train_val_alexnet.prototxt
├── train_val_vgg16.prototxt
└── wideresnet.py

目录结构介绍

• docker/: 包含 Docker 相关文件。
• IO_places365.txt: 输入输出配置文件。
• LICENSE: 项目许可证。
• README.md: 项目说明文档。
• adjectives_download.csv: 形容词下载文件。
• cam_example.jpg: 示例图片。
• categories_hybrid1365.txt: 混合分类文件。
• categories_places365.txt: 场景分类文件。
• convert_model.py: 模型转换脚本。
• convert_python36.py: Python 3.6 转换脚本。
• demo_pytorch_CAM.py: PyTorch CAM 演示脚本。
• deploy_alexnet_places365.prototxt: AlexNet 部署配置文件。
• deploy_googlenet_places365.prototxt: GoogLeNet 部署配置文件。
• deploy_resnet152_hybrid1365.prototxt: ResNet152 混合部署配置文件。
• deploy_resnet152_places365.prototxt: ResNet152 场景部署配置文件。
• deploy_vgg16_hybrid1365.prototxt: VGG16 混合部署配置文件。
• deploy_vgg16_places365.prototxt: VGG16 场景部署配置文件。
• labels_sunattribute.txt: 标签属性文件。
• places365CNN_mean.binaryproto: 均值文件。
• run_placesCNN_basic.py: 基本运行脚本。
• run_placesCNN_unified.py: 统一运行脚本。
• solver_alexnet.prototxt: AlexNet 求解器配置文件。
• solver_vgg16.prototxt: VGG16 求解器配置文件。
• train_placesCNN.py: 训练脚本。
• train_val_alexnet.prototxt: AlexNet 训练验证配置文件。
• train_val_vgg16.prototxt: VGG16 训练验证配置文件。
• wideresnet.py: WideResNet 脚本。

2. 项目的启动文件介绍

启动文件

• demo_pytorch_CAM.py: 用于演示 PyTorch 的 CAM（Class Activation Mapping）功能。
• run_placesCNN_basic.py: 用于运行基本的 PlacesCNN 模型。
• run_placesCNN_unified.py: 用于运行统一的 PlacesCNN 模型。

启动文件介绍

• demo_pytorch_CAM.py: 该脚本展示了如何使用 PyTorch 实现 CAM，可以帮助用户理解模型在图像上的激活区域。
• run_placesCNN_basic.py: