整理讀研期間用過、改進過、寫過的代碼
本人研究生期間一個人鼓搗目標檢測，接觸過一些開源代碼和自己寫的個別小工具，分享出來，如果你覺得有用，希望你點個贊，謝謝！
1. faster rcnn
官方matlab版
這版代碼不好用，原因有3：
- 不支持新版cuda和cudnn，需要自己改caffe代碼。
- matcaffe調試不方便，往往不知所措的caffe就崩潰了，錯誤信息不准確。
- 不適合在企業里使用，依賴於圖形界面
py-faster-rcnn
這版代碼用的廣，原因：
- 用python
- 用了end2end方式訓練和測試，方便訓練和部署
缺點：不支持新版cuda和cudnn以及較新版caffe。我做了改動來支持新版caffe+cuda+cudnn，還可以支持在windows上訓練和測試。代碼地址：https://github.com/zchrissirhcz/py-faster-rcnn ，注意選擇rbg和rgb-windows兩個分支。
mxnet官方版的faster rcnn
在mxnet項目的github倉庫地址中即可找到。我主要從Deformable ConvNets里抽取了windows下編譯cython模塊的腳本，方便在windows下使用，代碼：https://github.com/zchrissirhcz/incubator-mxnet/tree/rcnn-windows 。
（注意：mxnet比caffe幾乎省了一半的顯存，訓練時間也往往大量減少，另外它的example非常豐富和全面，建議新人使用mxnet。pytorch缺乏自己官方的detection相關的代碼重現，噱頭過大，不推薦使用）
2. Piotr Dollar's Matlab Toolbox
這個是研究行人檢測用的工具箱。Dollar是這個領域的大佬，ICF、ACF算法和Caltech Pedestrian detection benchmark都用這個工具箱。
優點： 用這個工具箱跑出來官方結果，直接貼論文里用。
缺點： Dollar的matlab代碼過於緊湊，一開始很不習慣，包括非常多的縮寫需要靠猜測，以及多行代碼擠在一行。
通常需要下載這幾個代碼；
Dollar's Toolbox
Matlab evaluation/labeling code (3.2.1)
以及Caltech的行人數據集。
Caltech行人檢測主頁：http://www.vision.caltech.edu/Image_Datasets/CaltechPedestrians/
行人檢測state-of-the-art算法列表：http://www.vision.caltech.edu/Image_Datasets/CaltechPedestrians/files/algorithms.pdf
3. BSDS500邊緣檢測benchmark
這一個benchmark包括了分割和邊緣檢測兩項任務。我做過的是邊緣檢測的測評。
強烈建議使用RCF邊緣檢測算法的作者liuyun給出的輔助邊緣檢測評測繪圖的代碼：https://github.com/yun-liu/plot-edge-pr-curves ，以及我所提的一個issue中列舉的邊緣檢測評測步驟：https://github.com/yun-liu/rcf/issues/22
4. UnitBox人臉檢測
UnitBox是Face++發表的論文，提出用IoU Loss取代回歸loss。官方作者沒有給出代碼實現。
網友復現過一個tensorflow版本的，經過測試可以使用：https://github.com/zhimingluo/UnitBox_TF 需要准備widerface人臉數據集。
5. 交通標志檢測相關
復現過一個Neural Computing 2016的一篇文章。主要是考慮算法的實現、可用性的問題，精度和流程可能和論文對不上。基於Caffe。
代碼見：https://github.com/zchrissirhcz/NC16_traffic_sign
6. 檢索-哈希 相關
用pycaffe重現了cvpr 2015年的一個workshop文章。精度完全一致。
代碼：https://github.com/zchrissirhcz/py-caffe-cvprw15
7. 皮膚癌圖像分類
基於Caffe深度學習框架和VisualDL可視化工具，實現了一個baseline版本的分類器，AP值能排名top4.
代碼：https://github.com/zchrissirhcz/skin_lesion_classification
8. 復現一篇行人檢測的水文
ICIA2016的一篇文章，用一個古老的k-means改進算法進行聚類，來消除誤檢。
代碼：https://github.com/zchrissirhcz/dfp
9. 復現一篇自動調整學習率的文章
文章提出的方法是Cyclical-Learning-Rates。多次重復實驗，個人覺得論文的精度無法復現。基於Caffe和VisualDL。
代碼: https://github.com/zchrissirhcz/Cyclical-Learing-Rates
10. Pascal VOC數據集標注查看工具
是為了做detection任務時能夠查看人工標注框的位置，以及方面早些發現錯誤的標注。基於python+tkinter。
代碼：https://github.com/zchrissirhcz/imageset-viewer
11. Caffe用於移動端的輕量級推理框架
我在github上看到的，然后貢獻了在windows下進行構建的腳本。
代碼：https://github.com/zchrissirhcz/caffe-mobile
12. DSSD
是SSD的改進版代碼。但是作者沒有把代碼放到一個利於搜索的地方。我把它fork過來並且設定了默認顯示的為DSSD分支。