下一步改进faster rcnn的基本思路
参考https://blog.csdn.net/Z5337209/article/details/72838049
将Faster-RCNN中的VGG16替换成ResNet可以提高performance，不仅是detection，在segmentation，video analysis，recognition等其他领域，使用更深的ResNet都可以得到稳定的提升。在速度方面，ResNet比VGG16更慢，同时需要训练的次数也更多，同时内存占用量也远远大于VGG16，大概四五倍，没有12G的GPU就不要想用了。

VISIBLE_DEVICES=0 python trainval_net.py --dataset pascal_voc --net vgg16 --epochs 3 --bs 1 --nw 1 --cuda >output.log 2>&1 &

19.4.17

看了下LSVH的数据标注label文件的txt的格式，和KITTI不一样的是，用数字表示类别，并且一个txt里面有很多个标注，应该是因为是视频很多帧的原因
放弃训练LSVH，转去看怎么修改faster rcnn让它更好识别小尺度物体了。
之后可以参考https://blog.csdn.net/zcy0xy/article/details/79614862 ，用工具自己标定、制作VOC2007格式数据集

4.17下午

faster rcnn基本结构

看了一篇中文的南京大学改进faster rcnn的论文，有了点改进faster rcnn的思路，以及一篇哈工大的硕士论文，思路主要是基于faster rcnn改进以下几点：

类似SNIP不是一个RPN，考虑从不同层的不同特征图，用不同的RPN网络提取（这里可能可以考虑限制尺度范围，参考SNIP）
考虑特征融合，而不是只用一个顶层特征去输入到RPN
进一步考虑训测数据集的尺度匹配等方面的trick，参考SNIP的结论和南大论文
主要数据集先用KITTI试着，考虑对数据集进行上下采样来研究，参考南大论文

2019.4.19

可以后期增加anchor数量

2019.4.20

KITTI的图片大小为1242×375左右
而VOC2007的图片大小为353×500，500×375左右
128128,256256,512*512（不考虑ratios的话）的尺寸的anchor在KITTI中，不再合适，也不便于检测小目标
修改anchor size

即是修改：

cfg.ANCHOR_SCALES = [4,8,16,32,64]
base_size=6

 CUDA_VISIBLE_DEVICES=1 python trainval_net.py --dataset pascal_voc --net vgg16 --epochs 4 --bs 4 --nw 1 --cuda >output.log 2>&1 &

训练：

测试：

demo：效果有提升如下（4.21和4.16）：

4.21

大图片下小目标：cut图片成小的，修改train和test的config参数https://github.com/rbgirshick/py-faster-rcnn/issues/86
但是标注也要做调整
根据图片大小修改：

# Each scale is the pixel size of an image's shortest side
__C.TRAIN.SCALES = (5616,)
# Max pixel size of the longest side of a scaled input image__C.TRAIN.MAX_SIZE = 3744

参考https://github.com/jwyang/faster-rcnn.pytorch/issues/103 有
if the relative scale of object in your 4kx2k images is similar to your smaller size images, then you do not need to crop them, just rescale them. That’s should be fine. Also check whether your added higher resolution images are in the same domain of your smaller size images. This will also affect the performance actually.
参考https://github.com/rbgirshick/py-faster-rcnn/issues/275
循环对一张图使用不同scale的net

毕设日志——下一步计划2019.4.17相关推荐

训练日志 2019.1.17
上午补了补题,看了一会树状数组. 下午比赛的题基本是前三天的重现赛,除了之前的题基本都做出来以外,别的题就写出来一道 GCD 的逆推题,晚上补题比较轻松. 这几天总的来说还是感到跟别人的差距了,图论的 ...
AI一分钟|特斯拉前员工爆料：部分汽车使用电池缺陷；小鹏汽车计划2019年底前融资300亿元...
▌前员工爆料:特斯拉部分汽车使用的电池有缺陷据外媒 CNBC 报道,特斯拉前工程师马丁·特里普(Martin Tripp)在 Twitter 上披露了大量内部电子邮件.照片和车辆识别码.他说,这些都 ...
CVPR 2019 | 百度17篇论文入选，AI巨头都在关注什么？（附论文下载）
授权自AI科技大本营(ID:rgznai100) 本文共6400字,建议阅读10+分钟. 本文整理了百度入选CVPR的17篇论文的内容及应用场景. 计算机视觉和模式识别大会CVPR 2019即将于6月 ...
18天精读掌握《费曼物理学讲义卷一》第4天 2019.6.17
18天精读掌握<费曼物理学讲义卷一> 第4天 2019/6.17 1. 18日掌握<费曼物理学讲义>卷一计划概览 2. 今日学习成果 3. 今日时间表 4.Atimelogge ...
【最新】Firefox Manifest V3：进展及下一步计划
译者总结 2022-05-18,Mozilla 官方博客发布了关于扩展(WebExtension)MV3 的进展和计划,以及和 Chrome MV3 不同的地方.值得注意的进展: 在 W3C 下成立了 ...
（2019.7.17更新）荣耀MagicBook黑苹果（i7）High Sierra 10.13.6
这里有大佬维护的新版本EFI,对应10.14.X:https://github.com/hjmmc/Honor-Magicbook ---------------------------------- ...
2019年1-7作业
2019年1-7作业 1.制作经典语录(p标签,h2标签,图片标签) <!DOCTYPE html> <html><head><meta charset=&q ...
PAT题集2019.5.17排名变动
2019.5.17 团体天梯集用户昵称排名变动总分变动 Six 246 -> 171 1484 -> 1611 软件1770508884 339 -> 271 1385 -&g ...
训练日志 2019.4.17
这两天除了平时组队做 51Nod 外,其他时间大都在复习字符串的内容,昨天复习的最大最小表示法,今天复习的字典树,计划明天复习 KMP 后天复习 AC自动机

毕设日志——下一步计划2019.4.17

19.4.17

4.17下午

2019.4.19

2019.4.20

4.21

毕设日志——下一步计划2019.4.17相关推荐

最新文章

热门文章