交通标志的检测、分类的方法整理（自己的方法）

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

1. 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……
2. 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。
3. 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，

1. 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