[AMRNet] Adaptive Mixture Regression Network 复现过程记录

一、开发环境

windows10+Anaconda3+Python3.6+CUDA10.0+Pytorch1.0+Pycharm

二、论文代码

AMRNet代码链接

三、导入项目

1、通过git下载或者zip网页下载，二选一

2、导入项目至pycharm

四、数据准备

1、数据集
从官网上下载数据集，并解压至目录 ./ProcessedData
ShanghaiTech下载链接
UCF-QNRF下载链接
UCF_CC_50下载链接
2、导入数据集到项目

3、resize图片并且产生training labels.

• 进入到./datasets/XXX/ 运行prepare_XXX_mod64.py
• 以SHHB为例，其他数据集相信大家能举一反三，打开prepare_SHHB_mod64.py
• 先处理一些肉眼可见的问题，第9行
  
• 第81行，改成和20行同样的代码风格
  
• 第15行的路径做适当修改
  
• 还有一个特别荫蔽的错误，get_density_map_gaussian.py需要修改一行代码，第10行改成 h w c，通道位置有错需要改正，否则，运行网络会出现通道不匹配的问题。
  
• 第11行里面只填train或者test，分别对应处理train数据集，test数据集
  
• 修改上面一行代码，右键run，preapre_SHHB_mod64.py，分别处理好train数据集，和test数据集。
• 处理好SHHB数据集之后的目录
  

4、预训练的模型下载
一些计数网络（例如VGG，CSRNet等）在ImageNet上采用了预先训练的模型。
所以我们需要从torchvision.models下载vgg16-397923af.pth

• 下载链接
• 把下载好的vgg16-397923af.pth，放在目录./models/Pretrain_Model/
• 目录
  

五、训练模型

1，训练代码呢？

• 很遗憾，在前文提到的AMRNet代码链接中，原作者并没有公布训练代码和训练代码相关的说明材料。
• 因为这个原因，这个项目我迟迟没有成功复现，不过我在同门的提醒下，在ECCV2020官网检索这篇文章。
• 找到了这篇文章，肯定的，因为这篇文章是发在ECCV2020年的。但是让我兴奋的是下面有个附加材料按钮！！
  
• 下载下来一看，不就是我一直苦苦寻找的训练模型的代码和文字说明材料吗？恭喜我发现了原作者留的彩蛋，感谢我同门的提醒。哈哈。
  
• 把框中的三个文件复制到我们的项目中，README文件直接替换掉。最后三块拼图终于归位了！
• 看完整的目录结构
  
• 为了大家方便，补充材料，我给一个云盘链接。
• 链接：https://pan.baidu.com/s/1x01abMKFrW6L1THPb89hqQ 提取码：tlyf

2，训练模型

• 根据最新的README文件，进行操作。
• 在train_config.py里和./datasets/XXX/setting.py设置相应参数。这里我们依然以SHHB作为例子，即打开./datasets/SHHB/setting.py。
• train_config.py第14行，改成VGG16_LCM_REG
  
• train_config.py第18行
  
• train_config.py第46行，epoch默认设置为500，我为了减少训练时间，epoch改成了100
  
• setting.py设置训练batchsize，这里我们根据自己显卡的情况，默认值是1
• 在命令行输入命令：python train.py
  
• 出现一个问题，排查解决之后，就再次运行命令python train.py
• 问题1：ModuleNotFoundError: No module named ‘config’
  
• 解决1：SHHB.py第13行，直接注释，没有起作用的一行导包
  
• 成功进入了训练的流程，漫长的等待过程之后，会得到一个性能最好的模型
  
• 经过漫长的训练，终于训练完了100epoch。上图
  

六、tensorboard可视化训练结果

• 开始训练模型的时候，会在根目录生成exp文件，里面保存着每次迭代性能更好的权重文件和tensorboard的events文件，我们就需要用到这个events文件。
  
• 通过命令行来启动tensorboard
  
• 成功启动tensorboard后，命令行窗口会出现一个网址，复制到浏览器地址栏访问，上图看结果。
  
  

七、测试模型

1，修改test_config.py

• 第16行，修改数据集为SHHB
  
• 第23行，添加上我们刚训练好的模型路径
  
• 输入命令行：python test.py，可以看到成功在用模型来测试了
  
• 测试完毕，通过命令行窗口查看结果，看起来和我们训练100epoch的结果差不多。
  

tips

• ok各位，以上就是这篇文章的全部内容了，非常感谢你能看到这里。如果你觉得这篇文章对你有所帮助求赞求收藏求评论求转发，别忘了点一个大大的关注，各位的支持就是我最大的动力，再见！邮箱：[email protected]