Context-aware & Cascade-refinement Network (DCNet)

本文是DCNet食用手册，将会详细介绍如何使用DCNet，并介绍如何定制"个性化"DCNet :P

---

文件简介

路径	文件名	作用
./data	PIOD	训练/测试数据集
./detect_occ	run.sh	训练/测试脚本
	train.py	训练模型
	test.py	使用模型对图片进行处理得到结果
./detect_occ/utils	compute_loss.py	Loss Function
	custom_transforms.py	对输入图进行Transform
./models	网络名称.py	对应网络的结构定义
./lib/dateset	occ_dataset.py	PyTorch Dataset和Dataloader重写
./experiments	网络名称	对应网络执行得到的结果图片
./experiments/output	网络名称	对应网络训练得到的模型
./experiments/configs	train.yaml	训练时的config
	test.yaml	测试时的config

---

初始化方法

初始化方法参考了DOOBNet的方法

需要下载PASCAL VOC 2010和Annotations. 解压后将JPEGImages移动到PIOD文件夹。最终的文件夹目录如下:

PIOD
|_ Data
|  |_ <id-1>.mat
|  |_ ...
|  |_ <id-n>.mat
|_ JPEGImages 
|  |_ <id-1>.jpg
|  |_ ...
|  |_ <id-n>.jpg
|_ val_doc_2010.txt

然后调用mat2hdf5_edge_ori.py生成标注

mkdir  PIOD/Augmentation

python mat2hdf5_edge_ori.py \
--dataset PIOD \
--label-dir PIOD/Data \
--img-dir PIOD/JPEGImages \
--piod-val-list-file PIOD/val_doc_2010.txt \
--output-dir PIOD/Augmentation

---

训练方法

1. 更改./experiments/configs/train.yaml中对应的数据集path，网络arch名称，迭代次数，学习率等
2. 更改./detect_occ/run.sh中的注释行
3. 在./detect_occ路径下运行

sh run.sh

---

测试方法

1. 更改./experiments/configs/test.yaml中对应的网络arch名称等
2. 更改./detect_occ/run.sh中的注释行

注：此处需要注意，在test.py中如果使用myDataset时，每次读入一张img，需要在run.sh中设置--img；如果使用PIODDataset则不需要使用--img。详细代码见./lib/dataset/occ_dataset.py

3. 在./detect_occ路径下运行

sh run.sh

---

DIY方法

1. 需要修改./lib/dataset/occ_dataset中数据的路径，list_file及读取方式(即是否包括.type,包含[:,-4]与+'.jpg'两处)

2. 需要修改./experiments/configs/train(test).yaml中的train_image_set，val_image_set以arch(网络的名字)

3. 如果要使用新的pth，需要修改./detect_occ/run.sh中的路径

4. 如果在'./models/'中定义了新的network，需要同时更改./models/__init__.py