使用CenterNet训练自己的数据集

最近在做目标检测的项目，使用YOLOv3，Mask R-CNN，Faster R-CNN训练了自己的数据，效果还可以，在保证精度的情况下，速度有点慢。于是就开始找别的方法，发现了2019年的文章CenterNet :Objects as Points，想尝试看看效果。于是就开始了艰难的配置，在这里记录一下。
我是在服务器上训练的，环境是cuda10 ,使用的代码是https://github.com/xingyizhou/CenterNet
1.按照https://github.com/xingyizhou/CenterNet/blob/master/readme/INSTALL.md步骤一步步安装。

在进行第一步时，出现了问题，Pytorch应该安装适合自己cuda版本的，因为没有在网上找到适合cuda10版本的0.4.1版本的Pytorch，于是就去官网按照以下命令下载了
conda install pytorch torchvision cudatoolkit=10.0 -c pytorch
在进行第五步时，首先：
问题：ImportError: torch.utils.ffi is deprecated. Please use cpp extensions instead.
原因：在PyTorch 1.1.0中，torch.utils.ffi被弃用了，需要用其他包来替代
解决方法：
把build.py和build_double.py中的
from torch.utils.ffi import create_extension 替换为 from torch.utils.cpp_extension import BuildExtension
ffi = create_extension(…) 替换为 ffi = BuildExtension(…)
参考：https://blog.csdn.net/c20081052/article/details/89407771
又遇到了新的问题：TypeError: dist must be a Distribution instance
参考https://www.gitmemory.com/issue/xingyizhou/CenterNet/7/486653333这篇文章问题得以解决。
按照上面，配置的工作完成了。
2.数据集
把数据集转换为COCO之后，按照以下路径存放

3.为了训练自己的数据集，需要修改代码。
src/lib/opts.py：
第338行的num_classes修改为自己的种类数
src/lib/datasets/dataset/coco.py：
第14行num_classes修改为自己的种类数
第40行self.class_name修改为自己的种类名
第26行的文件名根据自己的命名进行修改（测试时）

src/lib/utils/debugger.py：
第46行num_classes改为自己的种类数
第454行coco_class_name改为自己的种类名
3.开始训练
在experiments作者已经写好了几个sh，可以直接使用，我使用的是ctdet_coco_resdcn18.sh

4.测试
CUDA_VISIBLE_DEVICES=1 python test.py ctdet –load_model /home/XX/code/CenterNet-zhouxy/exp/ctdet/coco_resdcn18/model_best.pth –test
可计算出AP等

5.测试视频：
CUDA_VISIBLE_DEVICES=1 python demo.py ctdet –demo /home/XX/code/CenterNet-zhouxy/video/test.avi –load_model /home/XX/code/CenterNet-zhouxy/exp/ctdet/coco_resdcn18/model_120.pth
需要修改的地方：
增加.global_variable.py：

debugger.py中修改：

修改demo.py：

6.测试单张图片
CUDA_VISIBLE_DEVICES=2 python demo.py ctdet –demo /home/XX/code/CenterNet-zhouxy/data/in/004641.jpg
–load_model /home/XX/code/CenterNet-zhouxy/exp/ctdet/coco_resdcn18/model_120.pth