统一的人群计数训练框架(PyTorch)——基于主流的密度图模型训练框架

视频讲解1:Bilibili视频讲解

视频讲解2:https://www.douyin.com/video/7583893329385999667?count=10&cursor=0&enter_method=post&modeFrom=userPost&previous_page=personal_homepage&secUid=MS4wLjABAAAA0NVS_BfnZjuBUqHzrh-1oSxoNxExvuesrznu1Wu4-fc

代码下载:https://github.com/KeepTryingTo/CrowdCounting-framework-PyTorch

本项目主要是实现了一个人群计数框架,学习者可以直接一键使用该框架生成密度图数据集,并且该框架也给出了一些常见的损失函数实现,只需要直接加入即可使用。该框架最大的亮点是,学习者不需要去改变任何代码即可训练模型,如果学习者想要加入自己的模型,直接实现即可嵌入到该训练框架中。该框架帮助学习者不需要去关注除了核心部分之外的其他代码,帮助学习者更专心的相关算法。 并且还实现了采用分布式框架训练模型。其中有关该项目参考的其他开源代码已经在项目末尾给出了链接。

支持的功能

√ 单GPU,CPU或者多GPU分布式训练

√ 自定义标注框数据集生成密度图

√ 一键生成常见数据集的密度图之后即可进行训练,比如ShangHai_partA, ShangHai_partB,NWPU,QNRF,UCF_CC_50,JHUC-CROWD++

√ 提供了常用的默认backbone网络模型

√ 提供了常用的损失函数

√ 日志记录以及模型保存(保存最好结果模型)

√ 模型参数量以及flops统计

√ 绘制结果MAE训练曲线

√ 可视化真实的密度图npy以及可视化模型预测密度图

√ 提供了常用的学习率调度器

√ 统计GPU的使用情况

更多使用说明请看:

https://github.com/KeepTryingTo/CrowdCounting-framework-PyTorch/blob/main/zh_README.md

参考链接

人群计数中常用数据集的总结以及使用方式(Python/PyTorch)

论文CrowdCLIP(基于CLIP的无监督人群计数模型)详解(PyTorch,Pytorch_Lighting)

论文The Effectiveness of a Simplified Model Structure for Crowd Counting(FFNet)详解

论文Domain-General Crowd Counting in Unseen Scenarios(DCCUS)详解以及对应代码详解

论文Distribution Matching for Crowd Counting详解

论文Distribution Matching for Crowd Counting中人群统计损失(C Loss),最优化传输损失(OT Loss)以及总的变化损失(TV Loss)

论文CLIP-EBC(基于CLIP的人群统计模型)详解

论文CLIP-Count(基于文本指导的零样本目标计数)详解(PyTorch)

https://github.com/cvlab-stonybrook/DM-Count

https://github.com/gjy3035/Awesome-Crowd-Counting

https://github.com/gjy3035/C-3-Framework

https://github.com/ZPDu/Domain-general-Crowd-Counting-in-Unseen-Scenarios

https://github.com/openai/CLIP

https://mydreamambitious.blog.csdn.net/article/details/142730047?spm=1011.2415.3001.5331

https://mydreamambitious.blog.csdn.net/article/details/147144537?spm=1011.2415.3001.5331

https://mydreamambitious.blog.csdn.net/article/details/143133438?spm=1011.2415.3001.5331

https://mydreamambitious.blog.csdn.net/article/details/143219789?spm=1011.2415.3001.5331

https://mydreamambitious.blog.csdn.net/article/details/144692297?spm=1011.2415.3001.5331

https://github.com/erdongsanshi/FFNet

https://mydreamambitious.blog.csdn.net/article/details/141355068?spm=1011.2415.3001.5331

https://github.com/KeepTryingTo/PyTorch-DeepLearning-Visual-LLM

https://github.com/KeepTryingTo

https://blog.csdn.net/Keep_Trying_Go/article/details/154913403

https://mydreamambitious.blog.csdn.net/article/details/154789450?spm=1011.2415.3001.5331

https://mydreamambitious.blog.csdn.net/article/details/154443638?spm=1011.2415.3001.5331

https://mydreamambitious.blog.csdn.net/article/details/148124251?spm=1011.2415.3001.5331

https://mydreamambitious.blog.csdn.net/article/details/148300284?spm=1011.2415.3001.5331

https://mydreamambitious.blog.csdn.net/article/details/148227727?spm=1011.2415.3001.5331

https://mydreamambitious.blog.csdn.net/article/details/147873916?spm=1011.2415.3001.5331

https://mydreamambitious.blog.csdn.net/article/details/147851355?spm=1011.2415.3001.5331

https://mydreamambitious.blog.csdn.net/article/details/147819012?spm=1011.2415.3001.5331

相关推荐
IT_陈寒5 分钟前
Redis那个过期删除策略,差点让我线上崩了
前端·人工智能·后端
IvanCodes20 分钟前
LangChain(04):Runnable 与 LCEL 的执行与组合机制
python·langchain·agent
阿里云大数据AI技术24 分钟前
AI 原生大数据服务 ADA 快速入门:完成首次对话式数据分析
大数据·人工智能
特创数字科技30 分钟前
纯本地离线运行的文档脱敏工具(技术分享)
前端·驱动开发·python
字节跳动开源32 分钟前
小红书/抖音图文排版利器——一个杂志风skill
人工智能·开源·设计
Bacon34 分钟前
我把 Codex 塞进了 Touch Bar:一个 30pt 高的额度与对话面板
人工智能
衡石科技44 分钟前
企业级 BI 的安全治理:衡石如何贯通认证、数据权限与审计
大数据·人工智能·安全·商业智能
网易云信2 小时前
折叠屏适配,iPhone Duo 真机已交付:网易云信 IMUIKit Swift 的实践
人工智能
东莞市云毅网络有限公司2 小时前
用 Playwright 搭一套问答平台引用监测的最小骨架
python·数据清洗·rag·企业知识库·文档解析
Thanks_ks2 小时前
【第 010 讲】全面掌握 Python 变量与常量:变量的定义与赋值 | 标识符与命名规范 | 变量的底层机制 | 常量与魔术数字
python·内存·变量·标识符·常量·赋值·命名规范