weisili2016 / df-traffic_sign_detect Goto Github PK
View Code? Open in Web Editor NEWThis project forked from moyan007/df-traffic_sign_detect
基于虚拟仿真环境下的自动驾驶交通标志识别 Datafountain 平台上的一个竞赛,最终成绩为0.986,25th。前排大佬都能做到0.996+了,膜拜学习一下
This project forked from moyan007/df-traffic_sign_detect
基于虚拟仿真环境下的自动驾驶交通标志识别 Datafountain 平台上的一个竞赛,最终成绩为0.986,25th。前排大佬都能做到0.996+了,膜拜学习一下
基于RetinaNet检测器作为主干网络检测器来做的,预处理部分主要是对图像作了增强,从原图中扣取出400*400的图进行训练,更容易准确检测到目标。 测试集的话则根据之前比较好的测试结果来进行扣取测试图像。同时可以对多个检测模型的检测结果进行融合,取检测框的交集或者取并集具体根据自己的任务需求而定。 然后就是细致的调参过程了。 对于二阶检测算法不是太熟,尝试了mask RCNN,faster RCNN,可能是没有调好,线上只能调到0.8+,着实是一种遗憾,还是需要更加深入不断的学习。 最后其实关于数据增强方面有尝试随机裁剪原图像,效果应该可以更好,只是策略训练的太晚了,同时感觉对原图加一些图像增强及相关预处理效果可以更好。 总之,参加比赛嘛,一次学习和实践的过程,也着实在这个过程里学习到了不少的东西。分享给大家,交流学习一下 这里简单的补充下程序的使用方法: 首先运行crop_train.py文件,对原训练集进行裁剪,生成了data_train.csv标签文件; 然后运行data路径下的划分验证集和训练集的脚本,然后可以直接运行 Python train.py csv data/train_label.csv data/classes.csv --val_annotations data/val_label.csv. 一般即可正常开始训练。 训练完成后,需要运行crop_test.py对测试集进行裁剪,然后执行Python convert_model.py model1.h5 model2.h5,完成模型的转化才可以用于测试。 最后即可执行test文件,生成结果,并对裁剪后的生成结果进行还原(通过test_crop_result.py脚本),得到最终检测结果。 output路径下的ensemble脚本可以对多个检测结果进行融合。 调参方面需要自己进一步研究看下源码即可。如还存在问题,欢迎一起交流学习
A declarative, efficient, and flexible JavaScript library for building user interfaces.
🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.
TypeScript is a superset of JavaScript that compiles to clean JavaScript output.
An Open Source Machine Learning Framework for Everyone
The Web framework for perfectionists with deadlines.
A PHP framework for web artisans
Bring data to life with SVG, Canvas and HTML. 📊📈🎉
JavaScript (JS) is a lightweight interpreted programming language with first-class functions.
Some thing interesting about web. New door for the world.
A server is a program made to process requests and deliver data to clients.
Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.
Some thing interesting about visualization, use data art
Some thing interesting about game, make everyone happy.
We are working to build community through open source technology. NB: members must have two-factor auth.
Open source projects and samples from Microsoft.
Google ❤️ Open Source for everyone.
Alibaba Open Source for everyone
Data-Driven Documents codes.
China tencent open source team.