TensorFlow实现简单的车辆检测

数据集：

UIUC Image Database for Car Detection。下载解压之后文件目录如图所示，这里我们所需的是TrainImages这个文件夹和TestImages文件夹。

The download package contains the following:

1. 1050 training images (550 car and 500 non-car images)
2. 170 single-scale test images, containing 200 cars at roughly the same scale as in the training images
3. 108 multi-scale test images, containing 139 cars at various scales
4. Evaluation files
5. README file

The images are all grey-scale and are available in raw PGM format.

算法模型

采用的是CNN网络，各层参数如下所示。输入是一幅40*100*1的灰度图片，经过多次卷积和池化之后得到1*1*1的结果。

input : [None, 40, 100, 1]
conv-pool1 :
    f : 5*5
    strides : 1
    nc : 6
    padding : VALID
    maxpool : 2

conv-pool2:
    f : 5*5
    strides : 1
    nc : 16
    padding : VALID
    maxpool : 2

conv3:
    f : 5*5
    strides : 1
    nc : 32
    padding : VALID

conv4:
    f : 3*18
    strides : 1
    nc : 64
    padding : VALID

conv5:
    f : 1*1
    strides : 1
    nc : 1
    padding : VALID

output : [None, 1, 1, 1]

代码

我的文件目录组织结构：
    -CarDetect
          --CarDetect.py
          --datas
              ---CarData
          --models

import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt

#定义加载数据的函数，注意训练数据的存储位置
def load_carDats