整理读研期间用过、改进过、写过的代码
整理读研期间用过、改进过、写过的代码
本人研究生期间一个人鼓捣目标检测，接触过一些开源代码和自己写的个别小工具，分享出来，如果你觉得有用，希望你点个赞，谢谢！
1. faster rcnn
官方matlab版
这版代码不好用，原因有3：
- 不支持新版cuda和cudnn，需要自己改caffe代码。
- matcaffe调试不方便，往往不知所措的caffe就崩溃了，错误信息不准确。
- 不适合在企业里使用，依赖于图形界面
py-faster-rcnn
这版代码用的广，原因：
- 用python
- 用了end2end方式训练和测试，方便训练和部署
缺点：不支持新版cuda和cudnn以及较新版caffe。我做了改动来支持新版caffe+cuda+cudnn，还可以支持在windows上训练和测试。代码地址：https://github.com/zchrissirhcz/py-faster-rcnn ，注意选择rbg和rgb-windows两个分支。
mxnet官方版的faster rcnn
在mxnet项目的github仓库地址中即可找到。我主要从Deformable ConvNets里抽取了windows下编译cython模块的脚本，方便在windows下使用，代码：https://github.com/zchrissirhcz/incubator-mxnet/tree/rcnn-windows 。
（注意：mxnet比caffe几乎省了一半的显存，训练时间也往往大量减少，另外它的example非常丰富和全面，建议新人使用mxnet。pytorch缺乏自己官方的detection相关的代码重现，噱头过大，不推荐使用）
2. Piotr Dollar's Matlab Toolbox
这个是研究行人检测用的工具箱。Dollar是这个领域的大佬，ICF、ACF算法和Caltech Pedestrian detection benchmark都用这个工具箱。
优点： 用这个工具箱跑出来官方结果，直接贴论文里用。
缺点： Dollar的matlab代码过于紧凑，一开始很不习惯，包括非常多的缩写需要靠猜测，以及多行代码挤在一行。
通常需要下载这几个代码；
Dollar's Toolbox
Matlab evaluation/labeling code (3.2.1)
以及Caltech的行人数据集。
Caltech行人检测主页：http://www.vision.caltech.edu/Image_Datasets/CaltechPedestrians/
行人检测state-of-the-art算法列表：http://www.vision.caltech.edu/Image_Datasets/CaltechPedestrians/files/algorithms.pdf
3. BSDS500边缘检测benchmark
这一个benchmark包括了分割和边缘检测两项任务。我做过的是边缘检测的测评。
强烈建议使用RCF边缘检测算法的作者liuyun给出的辅助边缘检测评测绘图的代码：https://github.com/yun-liu/plot-edge-pr-curves ，以及我所提的一个issue中列举的边缘检测评测步骤：https://github.com/yun-liu/rcf/issues/22
4. UnitBox人脸检测
UnitBox是Face++发表的论文，提出用IoU Loss取代回归loss。官方作者没有给出代码实现。
网友复现过一个tensorflow版本的，经过测试可以使用：https://github.com/zhimingluo/UnitBox_TF 需要准备widerface人脸数据集。
5. 交通标志检测相关
复现过一个Neural Computing 2016的一篇文章。主要是考虑算法的实现、可用性的问题，精度和流程可能和论文对不上。基于Caffe。
代码见：https://github.com/zchrissirhcz/NC16_traffic_sign
6. 检索-哈希 相关
用pycaffe重现了cvpr 2015年的一个workshop文章。精度完全一致。
代码：https://github.com/zchrissirhcz/py-caffe-cvprw15
7. 皮肤癌图像分类
基于Caffe深度学习框架和VisualDL可视化工具，实现了一个baseline版本的分类器，AP值能排名top4.
代码：https://github.com/zchrissirhcz/skin_lesion_classification
8. 复现一篇行人检测的水文
ICIA2016的一篇文章，用一个古老的k-means改进算法进行聚类，来消除误检。
代码：https://github.com/zchrissirhcz/dfp
9. 复现一篇自动调整学习率的文章
文章提出的方法是Cyclical-Learning-Rates。多次重复实验，个人觉得论文的精度无法复现。基于Caffe和VisualDL。
代码: https://github.com/zchrissirhcz/Cyclical-Learing-Rates
10. Pascal VOC数据集标注查看工具
是为了做detection任务时能够查看人工标注框的位置，以及方面早些发现错误的标注。基于python+tkinter。
代码：https://github.com/zchrissirhcz/imageset-viewer
11. Caffe用于移动端的轻量级推理框架
我在github上看到的，然后贡献了在windows下进行构建的脚本。
代码：https://github.com/zchrissirhcz/caffe-mobile
12. DSSD
是SSD的改进版代码。但是作者没有把代码放到一个利于搜索的地方。我把它fork过来并且设定了默认显示的为DSSD分支。
