VisDrone2018
说明：后续可能不更新了。
Tips: this repo will not be updated.
Baseline：
| Name | maxDets | Result |
|---|---|---|
| Average Precision (AP) @( IoU=0.50:0.95) | maxDets=500 | 15.8738%. |
| Average Precision (AP) @( IoU=0.50 ) | maxDets=500 | 21.7822%. |
| Average Precision (AP) @( IoU=0.75 ) | maxDets=500 | 17.1753%. |
| Average Recall (AR) @( IoU=0.50:0.95) | maxDets= 1 | 0.83255%. |
| Average Recall (AR) @( IoU=0.50:0.95) | maxDets= 10 | 7.1636%. |
| Average Recall (AR) @( IoU=0.50:0.95) | maxDets=100 | 20.7602%. |
| Average Recall (AR) @( IoU=0.50:0.95) | maxDets=500 | 20.7602%. |
Cases From Test DataSet:
Implementation of a method of data augmentation named patching:
before augmentation:
after augmentation(only patching pedestrian and awning-tricycle, show pedestrian only):
ECCV2018的一个workshop举办的比赛，详见Vision Meets Drones: A Challenge.
VisDrone2018_Dev_Kit: 官方提供的针对数据集的工具，用于评测。可以改为其他工具，比如在图片上显示BBox；
Txt2XML: 官方给定数据集的Ground Truth是自己的标注方式（Txt），该工具将该标注方式转化为PASCAL VOC2007的标注方式（XML）；Python实现；
ShowBBOXFromXML: 针对PASCAL VOC2007，在图片上显示BBox；Python实现；该工具已经和官方给定基于Matlab的代码做过准确度对比，检验通过；
数据集的Badcase: 将BBox画成一条线的，导致NaN错误，需要过滤，详情可以参考issues;
Code中分享了基于PyTorch的Faster R-CNN代码用于这个比赛，原始代码来自@jwyang，原始代码写的也有很多不完善的地方，但是是基于PyTorch实现的star最多的，用起来是没有问题的。Code中的仅仅作为该比赛代码的备份，不做正式分享。比如，没有数据。如果想要在现有代码基础上做些工作，可以联系我本人，帮助跑代码。