利用Faster RCNN实现交通标志识别(检测小目标)

a.k.a.曲老师的期末大作业

观察了一下老师的给的训练集，一共有五类：交通灯d，指示标志s，指路标志l，禁令标志z，警告标志j。训练集里的交通灯太小了，最小的只有3个像素，之前读的一些论文都提到YOLO的缺点就是检测小目标物体，于是我决定选择Faster RCNN 😃

第一步 训练自己的数据集

整体流程没啥好说，完全参照大佬的教程：
使用faster-rcnn.pytorch训练自己数据集（完整版）
主要是训练的过程中，出现了loss：nan的情况，这个是因为代码中有数据扩充的部分，在扩充的过程中，边界框的坐标xmin,xmax,ymin,ymax出现了错误，因此需要在lib/dataset/pascal_voc.py里修改_load_pascal_annotation函数

  # Load object bounding boxes into a data frame.
        wh = tree.find('size')
        w, h = int(wh.find('width').text), int(wh.find('height').text)
        for ix, obj in enumerate(objs):
            bbox = obj.find('bndbox')
            # Make pixel indexes 0-based
            x1 = float(bbox.find('xmin').text)
            y1 = float(bbox.find('ymin').text)
            x2 = float(bbox.find('xmax').text)
            y2 = float(bbox.find('ymax').text)
            
            x1 = max(x1, 0)
            y1 = max(y1, 0)
            x2 = min(x2, w)
            y2 = min(y2, h)
            

第二步 利用训练好的模型测试

终端输入README里的提示
python test_net.py --dataset pascal_voc --net res01 --checksession 1 --checkepoch 20 --checkpoint 5047 --cuda