作者源码：https://github.com/RangiLyu/nanodet
按照作者的要求来说，torch的版本需要≥1.3.0，一方面由于项目需求，另一方面由于torch官网未给出1.3.0安装方式，故采用1.2.0进行尝试。
配置环境通过以下命令行：
pip install Cython termcolor numpy tensorboard matplotlib pyaml opencv-python tqdm
windows下安装，需要安装pycocotools，如果安装了vs2015+的版本，则可以直接按照大佬操作进行pycocotools工具安装。（ 地址：https://github.com/philferriere/cocoapi ）
windows环境下需要在对应的conda环境下安装，在cmd命令行中安装的话在相应的环境中依然无法引用。
pip install git+https://github.com/philferriere/cocoapi.git#subdirectory=PythonAPI
如果没有的话，点击这个链接，下载相应的工具，进行安装，然后再进行pip。
如果pip install git+https://github.com/philferriere/cocoapi.git#subdirectory=PythonAPI命令较慢，可以先git clone到本地，然后进入到cocoapi\PythonAPI文件夹下。运行
python setup.py build_ext --inplace
然后执行
python setup.py build_ext install
即可完成cocoapi的安装。
然后进入到nanodet根目录下，运行
python setup.py develop
以图片检测为例，config文件在文件夹config中，模型文件作者分别给出了voc与coco数据集的预训练模型，下载完成即可。
First, install requirements and setup NanoDet following installation guide. Then download COCO pretrain weight from here👉COCO pretrain weight for torch>=1.6(Google Drive) | COCO pretrain weight for torch<=1.5(Google Drive).
完成下载后，在运行时还会自主下载一个shufflenet预训练模型，可能会因为网络问题下载失败，多尝试几次即可。
python demo/demo.py image --config nanodet-m.yml --model nanodet_m.pth --path car1.jp
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
