基于YOLOv3的物体检测案例分析——津南数字制造算法挑战赛初赛

本文分享了作者在津南数字制造算法挑战赛初赛中基于YOLOv3的物体检测经验,包括数据集分析、预处理、框架选择和调参过程。通过增加特定类别样本、数据增强、调整网络结构和损失函数等方式提升模型性能。
摘要由CSDN通过智能技术生成

写在前面

第一次做物体识别的比赛,磕磕绊绊进了复赛。有几点感受想和大家分享一下:

  • 不论是遇到什么样的bug,不论你现在排在什么名次,一定要坚持到最后一天,相信水到渠成。
  • 单干太辛苦,组队以后,尝试更多的idea,和队友一起坚持到底。
  • 一个强大的开源库往往能够让你事半功倍。推荐商汤的mmdetection

赛题介绍

本次比赛是利用X光图像及标注数据,监测图像是否包含危险品及其大致位置。初赛阶段提供了五类带有两种矩形框位置标记的限制品标注数据,以及一定数量无限制品包裹数据,限制品包括:铁壳打火机、黑钉打火机、刀具、电池电容以及剪刀五类(类别id依次从1到5)。
评测方式采用计算box mAP的方式,对IoU = 0.5:0.05:0.95,分别计算mAP,再做平均得到最后的mAP。

数据集分析

训练集里有限制品的图片样本(restricted)共977张,供选择使用的无限制品图片样本(normal)共2539张。

评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值