文章目录
交通标志的检测、分类的方法整理
0. 相关说明
更新时间:2020年04月14日11:45:44
- 这个应该是一年前写完的。突然发现还躺在草稿里,没有发布出来……
- 当时刚开始学检测,实验室也没有师兄是这个方向的,所以没有将检测结果调试的很好。最终,我采取的方法是在检测结果后面在加一个分类实现的检测(注意我这里的检测加分类不是网络结构层面的two stage,而是检测出结果(只使用候选框位置,不适用类别信息)+分类器(确定类别,含负样本类别))。虽然这方法的实验结果还是不错的,但是只能用于实际的比赛,学术意义不大。
- 学术才是根本,工程只是为了交差。不建议使用我这种方法。
1. 交通标志的检测方法
- 这里的"检测"指的是:输入是图片,输出是候选区域的 bounding box(bbox),不含bbox的类别信息。
- 我这里使用了两种方法来做交通标志的检测,第一种使用颜色阈来提取感兴趣区域,第二种使用深度学习(yolov3)的方法来检测交通标志(确定位置,因为没有训练好,所以后面加分类器),之后会用CNN的方法来做交通标志灯的分类(确定类别,含负类别)。
- 将检测和分开的主要原因有,
- 各种交通标志的样本不均衡,将各种交通标志当成一类交通标志,有利于对样本较少类别的交通标志进行学习