《目标检测算法--faster rcnn实验报告更新》

Faster rcnn代码实验报告

• 遥感数据集NWPU VHR-10 dataset处理

（1）数据集划分：本次数据集的划分按照CVPR论文“SCRDet: Towards More Robust Detection for Small, Clutteredand Rotated Objects”中该数据集的划分方式，取数据集中60%用于训练集，20%用于验证集，20%用于测试集。

（2）当时训练Faster rcnn用的是VOC 2007数据集，此次复现该网络仍然采用将数据集转换为VOC 2007数据集的格式。

VOC2007数据集主要包括以下三个文件夹：

• Annotations包括对遥感数据集目标位置的标注。
• ImageSets包括对于训练集，验证集，测试集图片的名称文件。
• JPEGImages主要用于存放所有遥感数据集图片。

 

以上文件夹主要用于网络的训练。对于网络的测试，依据代码按照上述测试集图片名称从JPEGImages文件夹中提取出测试集的图片及标签进行预测，最终计算mAP值判定网络性能。

 

• 网络训练参数设置

依据文献“SCRDet: Towards More Robust Detection for Small, Clutteredand Rotated Objects”，文中提到训练轮次20000，学习率0.001，momentum=0.9，本次实验采取相同的参数设置。

 

• 代码实验运行结果

（1）训练阶段

 

训练阶段输出值分析：

rpn_loss_cls:RPN网络分类损失，用softmax交叉熵损失。

rpn_loss_box:RPN候选框损失，计算smooth L1误差。

loss_cls:目标分类损失。

loss_box:目标边界框损失。

 

（2）测试输出:

①运行图片

对比真实样本标注：图一、图二、图三、图四、图六正确输出。图五存在错误检测的情况。

分析：虽然图一，图二，图六正确输出，但都存在真实标签中未标记的车辆。

②测试时间：每张图片测试时间为4~5s。

 

③mAP值: