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: