FasterRCNN-pytorch：在VGG、ResNet和FPN基础中实现
项目描述
本仓库提供了一个基于PyTorch实现的FasterRCNN模型，支持在VGG、ResNet和FPN（Feature Pyramid Network）三种不同的骨干网络中进行实现。该实现参考了rbg的FasterRCNN代码，并在VOC2017数据集上进行了训练和测试。
模型表现
在VOC2017数据集上，模型的表现如下：
- VGG16：0.7061
- ResNet101：0.754
使用说明
1. 环境准备
在运行模型之前，您需要进行以下准备工作：
- 进入
lib目录：cd ./lib -
修改
make.sh和setup.py中的gpu_id设置。具体来说，您需要在make.sh的第5、12和19行以及setup.py的第143行中修改参数设置，其中包含关键字“-arch=”。您需要根据您的GPU型号选择适当的体系结构，参考下表：GPU型号 架构 TitanX（麦克斯韦/帕斯卡） sm_52 GTX 960M sm_50 GTX 1080（钛） sm_61 网格K520（AWS g2.2xlarge） sm_30
2. 编译与运行
完成上述设置后，您可以运行以下命令进行编译和运行：
sh make.sh
注意事项
- 请确保您的GPU型号与所选的架构匹配，否则可能会导致运行失败。
- 本项目依赖于PyTorch和相关CUDA库，请确保您的环境已正确配置。
贡献
欢迎大家提出问题和改进建议，如果您有任何疑问或建议，请在GitHub上提交Issue或Pull Request。
许可证
本项目采用MIT许可证，详情请参阅LICENSE文件。