实验运行说明

• 本实验代码的IDE使用的是VsCode，右键通过VsCode打开 Code 文件夹即可
• 为了方便老师运行检查，本项目已经跑完train.py 生成了50个权值文件，选出了其中一个作为frcnn.py 的model_path 的参数(使用的是ResNet，训练的损失函数值如下图所示)，运行结果具体可见code\logs\loss_2021_12_02_13_46_18文件夹中的文件
• 如果要完整运行整个项目，需要先运行voc_annotation.py ，再运行train.py ，修改frcnn.py 的model_path 的参数为log文件夹中的权值文件，运行predict.py，输入图片进行预测，最后运行get_map.py计算mAP值

v3版本优化说明

1. 文档不再使用Word编写，而使用 Latex 编写，而且使用了论文期刊的格式，优化了整体文章美观程度
2. 改进论文的书写，不再贴长篇的代码，而且更加注重自己的思考、分析、探讨，并且对两种模型都进行了实验
3. 在完成Faster R-CNN 模型的代码编写的基础上，运行了不同的模型，借助华为云ModelArts运行代码，利用了课程的资源，并且完成对于get_map.py的编写
   1. 使用VGG作为主干特征网络权重训练模型，并且求出了mAP
   2. 使用ResNet 作为主干特征网络权重训练模型，并且求出了mAP
   3. 运行结果和截图可见Huawei_ModelArts 文件夹
4. 制作了gun,sword数据集以及对gun,sword数据集进行了处理,训练并且求出了VOC12+07 数据集的mAP
5. 对训练结果进行了预测
6. 本项目参考了以下链接
   1. https://github.com/bubbliiiing/faster-rcnn-pytorch
   2. https://zhuanlan.zhihu.com/p/369520436
   3. csdn链接