論文題目：CornerNet: Detecting Objects as Paired Keypoints
論文位址：https://arxiv.org/pdf/1808.01244.pdf
代碼位址：https://github.com/princeton-vl/CornerNet
代碼目錄層次：
各個目錄含義：
cache：存放訓練好的模型，訓練過程中，每隔5000步存一次模型
config：配置檔案，Cornernet訓練的配置檔案由config/CornerNet.json 和 config.py組成，測試加上db/detections.py
data：存放coco資料集，需要包含coco的PythonAPI
db：資料類别、基礎參數、讀取加載等，運作自己資料集需要修改db/coco.py下的self._cat_ids
external：存放用c寫的NMS和soft_NMS算法
models和nnet：網絡結構代碼
result：村粗 python test.py的結果
test：test.py調用coco.py裡面的kp_detection方法
utils：工具類
test.py和train.py：測試和訓練
第一步，跟着README.md配置運作環境，主要是下載下傳conda_packagelist.txt裡面的包比較費時間；
第二步，制作自己的coco資料集；附上voc轉coco的github源碼：https://github.com/shiyemin/voc2coco
第三步：根據自己資料修改config/CornerNet.json裡面的dataset，batch_size，chunk_sizes，data_dir(看情況)，categories，其中batch_size等于chunk_sizes每個資料的和，chunk_sizes裡面每個數表示分到每張網卡的圖檔數，單張網卡一般也就隻能3-5張；
第四步：修改config.py，display:隔幾步輸出一次loss；snapshot：隔幾步存一次模型；batch_size；pretrain：與訓練模型位址；
第五步：運作python train.py
第六步：運作python test.py，debug參數決定是不是生成測試圖檔，即把結果框畫到原圖上并儲存到/result目錄
另外測試時：test/coco.py裡面：kp_detection方法調用了db.evaluate(result_json, cls_ids, image_ids)，需要把db/coco.py裡面的：
if self._split == "testdev":
return None
注釋掉，才會輸出結果。
跑我們的資料集，結果并不好：
Average Precision (AP) @[ IoU=0.50:0.95 | area= all | maxDets=100 ] = 0.354
Average Precision (AP) @[ IoU=0.50 | area= all | maxDets=100 ] = 0.602
Average Precision (AP) @[ IoU=0.75 | area= all | maxDets=100 ] = 0.374
Average Precision (AP) @[ IoU=0.50:0.95 | area= small | maxDets=100 ] = 0.114
Average Precision (AP) @[ IoU=0.50:0.95 | area=medium | maxDets=100 ] = 0.383
Average Precision (AP) @[ IoU=0.50:0.95 | area= large | maxDets=100 ] = 0.310
Average Recall (AR) @[ IoU=0.50:0.95 | area= all | maxDets= 1 ] = 0.398
Average Recall (AR) @[ IoU=0.50:0.95 | area= all | maxDets= 10 ] = 0.580
Average Recall (AR) @[ IoU=0.50:0.95 | area= all | maxDets=100 ] = 0.601
Average Recall (AR) @[ IoU=0.50:0.95 | area= small | maxDets=100 ] = 0.404
Average Recall (AR) @[ IoU=0.50:0.95 | area=medium | maxDets=100 ] = 0.574
Average Recall (AR) @[ IoU=0.50:0.95 | area= large | maxDets=100 ] = 0.606
------------eval result--------------
0.3539904837352708
檢測時間：1幀/s
發現cornertnet對一張圖檔中存在多個相同類别的目标時，容易存在多檢現象，如下圖的框01和02
