#AI夏令营 #Datawhale #夏令营
写在最前
本文用于记录Datawhale夏令营 CV part 学习过程。夏令营以学习CV进阶内容为主,并参与以城市治理为主题的相关比赛。后续将不断进行更新。
Task 1 从零上手CV竞赛
赛事任务
- 利用图像处理和计算机视觉技术 开发一套智能识别系统,自动检测和分类摄像头捕获的视频中,城市管理中的违规行为。
模型评价准则
- 分数越高越好使用F1score、MOTA指标来评估模型预测结果。
对每个json文件得到两个指标的加权求和,最终得分为所有文件得分取均值。
【1】若真实目标框与预测框IOU大于0.5,则判定目标正确识别。若MOTA指 标为负,则该类别精度得分为0。
【2】若该视频中没有某个类别的目标,则此类别计算均值时,忽略该视频。
智能识别系统数据集分析
- 系统根据监控数据与对应违规行为标注。
baseline违规行为包括垃圾桶满溢、机动车违停、非机动车违停等。 - 视频数据为mp4格式,标注文件为json格式,每个视频对应一个json文件。
- frame_id:违规行为出现的帧编号
- event_id:违规行为ID
- category:违规行为类别
- bbox:检测到的违规行为矩形框的坐标,[xmin,ymin,xmax,ymax]形式
```python
{
"frame_id": 20,
"event_id": 1,
"category": "机动车违停",
"bbox": [200, 300, 280, 400]
},
{
"frame_id": 20,
"event_id": 2,
"category": "机动车违停",
"bbox": [600, 500, 720, 560]
},
{
"frame_id": 30,
"event_id": 3,
"category": "垃圾桶满溢",
"bbox": [400, 500, 600, 660]
}
baseline训练与结果
代码运行一共花费20min,提交后出成绩为0.0047834701569362
下一篇笔记为baseline代码及分析