好用的话记得给个 star 哈 ...

• 使用了 pytorch 自带的 DConv，省去 linux 下编译 DConv 的 cuda 代码，可以直接在 window 下训练和测试
• 提供了重新训练的模型：百度云盘，提取码： hdbb
• 改变训练循环，并使用梯度累加机制
• 增添了 finetune 和 resume 等功能
• 提供了测试单张图像的例子

1. 下载 KITTI 数据，并修改成一下结构，把图像列表放在 ImageSets 文件夹中，然后在 datasets 中创建 kitti 目录的软连接

kitti
│──training
│    ├──calib 
│    ├──label_2 
│    ├──image_2
│    └──ImageSets
└──testing
     ├──calib 
     ├──image_2
     └──ImageSets

2. 修改相关参数，比如 configs/smoke_gn_vector.yaml 和 smoke/config/defaults.py

3. 执行 tools/plain_train_net.py 即可

1. 把 smoke/engine/defaults.py 中的 --eval-only 设成 True

2. 执行 tools/plain_train_net.py 即可

不过现在 KITTI 只有论文才能在线测试了，代码只能生成测试集的结果而已

1. 指定 tools/detector.py 中 --ckpt 为训练好的模型，直接执行 detector.py 即可

本人电脑比较弱鸡，batch 很小，就只训练了 50 epoch ....

https://github.com/lzccccc/SMOKE