MultiNet 开源项目使用教程

1. 项目目录结构及介绍

MultiNet 项目的目录结构如下：

MultiNet/
├── data/
│   └── demo/
├── docu/
├── hypes/
├── incl/
├── licenses/
├── submodules/
│   ├── KittiBox/
│   ├── KittiClass/
│   └── KittiSeg/
├── .gitignore
├── .gitmodules
├── LICENSE
├── README.md
├── demo.py
├── download_data.py
├── predict_joint.py
├── requirements.txt
└── train.py

目录结构介绍

• data/: 存放示例数据和下载的数据。
  • demo/: 存放演示用的图片。
• docu/: 存放项目文档。
• hypes/: 存放配置文件。
• incl/: 包含一些额外的文件。
• licenses/: 存放许可证文件。
• submodules/: 包含项目的子模块，如 KittiBox、KittiClass 和 KittiSeg。
• .gitignore: Git 忽略文件。
• .gitmodules: Git 子模块配置文件。
• LICENSE: 项目许可证。
• README.md: 项目介绍文件。
• demo.py: 演示脚本，用于运行模型并生成预测结果。
• download_data.py: 数据下载脚本。
• predict_joint.py: 联合预测脚本。
• requirements.txt: 项目依赖库列表。
• train.py: 训练脚本。

2. 项目启动文件介绍

demo.py

demo.py 是 MultiNet 项目的主要启动文件之一，用于演示模型的预测功能。通过该脚本，用户可以输入一张图片，模型会输出相应的预测结果。

使用方法

python demo.py --gpus 0 --input data/demo/um_000005.png

• --gpus: 指定使用的 GPU 编号。
• --input: 指定输入图片的路径。

train.py

train.py 是用于训练模型的启动文件。用户可以通过该脚本训练自己的模型。

使用方法

python train.py --hypes hypes/multinet2.json

• --hypes: 指定使用的配置文件路径。

3. 项目的配置文件介绍

hypes/multinet3.json

hypes/multinet3.json 是 MultiNet 项目的主要配置文件之一，用于控制模型的训练和预测行为。该文件包含了模型的超参数、数据路径、子模型的配置等信息。

配置文件结构

{
  "models": {
    "segmentation": "submodules/KittiSeg/hypes/KittiSeg.json",
    "detection": "submodules/KittiBox/hypes/kittiBox.json",
    "road": "submodules/KittiClass/hypes/KittiClass.json"
  }
}

• models: 定义了各个子模型的配置文件路径。
  • segmentation: 分割模型的配置文件路径。
  • detection: 检测模型的配置文件路径。
  • road: 道路分类模型的配置文件路径。

通过修改这些配置文件，用户可以自定义模型的训练和预测行为。