认识PATH-ViTB：OpenGVLab开源的行人检测ViT检查点仓库完全指南

PATH-ViTB 是 OpenGVLab 开源的一个行人检测（pedestrian detection）ViT 预训练检查点仓库，基于 Hugging Face 模型仓库规范发布。仓库直接提供两份开箱即用的.pth检查点文件（ViT-Base 与 ViT-Large），文件名即训练配置，方便你在行人检测任务中快速复现与微调。

📦 PATH-ViTB 是什么？

PATH-ViTB 是一个纯检查点（Checkpoints）仓库：不包含训练代码，只托管训练好的模型权重。它的特点非常鲜明：

• ✅任务明确：文件名中的peddet表示检查点用于行人检测（pedestrian detection）任务；
• ✅双规格可选：同时提供vitbase（轻量）和vitlarge（大容量）两种 ViT 骨干网络；
• ✅配置透明：学习率、优化器、层衰减等超参数全部编码在文件名中，选型一目了然；
• ✅开源协议：根据 README.md 中的元数据，仓库采用OpenRAIL许可，并标注了image-segmentation的流水线标签。

🗂 仓库结构与核心文件

仓库结构极其简洁，只有 3 个文件：

💡 两份.pth文件通过Git LFS托管，实际体积远大于指针文件，克隆时需要拉取 LFS 对象（见下文）。

🔍 如何读懂文件名里的训练配置

PATH-ViTB 的文件名本身就是一份“训练说明书”。下面以 ViT-Base 为例，拆解常用字段：

简单总结：Base 版本面向 CityPersons 行人检测任务，Large 版本采用 DPR02 位置表示策略，两者都是exp3实验设定下的产物。选型建议——显存有限选 Base，追求精度上限选 Large。

🚀 一键下载：如何拉取完整检查点

由于权重文件走 Git LFS，直接clone只会得到指针文件。正确姿势如下：

# 安装/初始化 Git LFS git lfs install # 克隆仓库并自动拉取 LFS 权重 git clone https://gitcode.com/OpenGVLab/PATH-ViTB

如果之前已经克隆过仓库，只需补拉一次即可：

cd PATH-ViTB git lfs pull

验证是否成功：用ls -lh查看，两个.pth文件应分别约为327 MB和1.13 GB（若只有几百字节，说明仍是 LFS 指针）。

⚠️ 使用注意事项

1. 仓库只含权重，不含代码：模型结构定义、前向推理逻辑需配合你项目中的 ViT 实现来加载，加载时结构与文件名中的结构参数（如heads2、reduct8）保持一致；
2. 协议合规：仓库采用OpenRAIL许可（见 README.md），商用前建议通读许可条款；
3. 磁盘预算：两份检查点合计约1.4 GB，确保磁盘空间充足；
4. 输入分辨率：两份检查点均以size224训练，推理时建议保持 224×224 输入以匹配训练分布。

📌 总结

PATH-ViTB 用最精简的结构交付了最有价值的资产——两份“配置自描述”的高质量 ViT 检查点。对于正在做行人检测的开发者来说，它是快速搭建基线模型的理想起点 🎯