DINO-DETR在CADC数据集进行实验与分析

先前使用DINO-DETR模型在COCO缩减版上进行实验，效果并不是很理想，主要猜测是由于在该数据集中车辆信息的特征信息存在模糊，背景复杂，缺失等情况，而bus目标属于大目标，特征信息表示完整，且出现时背景较为单一，故而效果比较明显。
紧接着，博主想到可以在该模型上使用CADC数据集进行实验，看看其表现如何。

CADC数据集是博主从网上寻找的冰雪环境下的自动驾驶数据集，共计5250张图片，博主首先划分出1050张作为测试集，随后将剩余的4200张按照4:1划分训练集与验证集，即3360张作为训练集，840张作为验证集，之所以将1050张划分为测试集，是因为整体数据集主要划分为5个驾驶场景，为保证测试集与训练集完全独立，即训练集中没有获取到测试集的信息，故将最后一个驾驶场景作为测试集。

博主采用了与训练COCO数据集时相同的参数，即batch-size=2,lr = 0.0001,epochs=12。
最终训练完成后在验证集上进行评估：

训练12个epoch的结果：

训练24个epoch的结果：

这个结果相对而言还是不错的，尽管相对于目前主流的目标检测模型，如YOLO等依旧稍逊一筹，但其却达到了与官方在完整COCO数据集的效果。

接下来，博主会将模型在测试上来检测其性能。

使用最好模型进行测试结果如下：
可以看到差距还是及其明显的。

[‘car’, ‘truck’, ‘bus’, ‘person’]