CVPR 2019论文中提出的蒸馏对象检测器Shuffledet的实现，具备细粒度特征模仿能力

:fire: 更新中 :fire: 去做 还在后面： 单独打印子损失。 添加检测输出的可视化。 将提出的方法与模型修剪/量化方法相结合。 准备 python2 tensorpack = 0.8.6 tensorflow = 1.8.0 1克隆存储库 首先，克隆代码 git clone https://github.com/twangnh/Distilling-Object-Detectors-Shuffledet 2数据准备 请注意，由于测试集标签不可用，我们将KITTI训练集划分为训练/验证集，并根据验证集评估我们的方法和模型。 KITTI 2D对象检测图像是从视频中采样的，由于视频帧之间的相关性，将训练数据随机分为训练和val集可能会导致异常高的性能，我们遵循 它将KIITI训练集分为训练/验证集，同时确保图像帧不会来自近距离视频帧。 从下载图像，然后解压缩到./data/KITTI/trainin