目标分割

1. 数据集准备
   SpaceCity：街道场景的数据集，共有5000张像素级别标注的图像，30个分类，用于预训练
   自己标注，VIA，1000张图片，数据采集于宝骏基地、大型公园等地（尽可能贴合汽车园），用于训练
2. 模型准备
   采用github上star最多的mask_rcnn模型，和官方的模型基本一致，提取特征用的是resnet101，不同点在于输入图像尺寸是统一的，便于一个批次训练多张图片，另外bbox是自己生成的，而不是读取数据集里面的信息，这样在做数据增广的时候方便一些。另外这个模型也提供了coco数据集的预训练
3. 主程序设计，模型有了，我需要做的无非是怎么把数据喂给模型进行训练，然后在训练完了之后评价效果。训练部分具体来说主要就是两件事：
   一是设置参数，所有主要的参数、也就是涉及到调参的，我都会放到一个类里面，便于调参
   二是数据的预处理，模型需要的数据是：图片、mask，图片好说，mask的提取稍微有点麻烦。刚才提到了，整个项目其实涉及到三个数据集、一个COCO，这个不用管，拿别人预训练的权值参数来就可以了，然后就是cityspace和自己用via标注的，cityspace是像素级别的标注，它的annotation是一张png图片，每种mask的颜色是不一样的，我们就是根据这个来提取不同的masks的。而via的标注文件是json，里面记录的是mask多边形的点，这就需要读取json文件，找到各个点画出mask
   在评价方面主要有两种手段：一是输入测试图片后直接将分割效果展示出来，主观的去评价分割质量。而另一方面是一些量化的指标，比如mpa，iou等
4. 大致的过程就是这样，在这中间当然也有很多调参的操作，另外我也设计了一些可视化的函数，通过jupyter notebook来观察各个步骤的实际效果，比如推荐区域、mask的生成最后的分割效果等等。
5. 关于调参：每个项目都有自己的特点，调参的方法也不可能都是一样的。我主要的调参思路是这样的：
   1. 首先调整的是学习率，官方给定的学习率应该是0.02，我在每训练一个数据集之前都会测试一些学习率，看在不产生梯度消失、爆炸的情况下找到一个较大的学习率
   2. 其次是过拟合/欠拟合的问题，我一般把5个百分点当作一个阈值，如果验证集准确率低于训练集5个百分点以上，我会把它当作过拟合来处理，这时候我会引入正则化、提高dropout这些手段。如果没有，我一般不会这样做，因为根据我自己的实际经验，除非模型非常偏大，引入这些并不是很有必要
   3. 还有一个就是batch_size ，在机器学习里面这个值一般是128或者256这样，但是在cv这个领域，受限于机器的计算能力，一般是2甚至1，很显然用一两张图片的损失来做梯度下降不会很稳定，所以要在机器能够承受的范围能尽可能的调大batch_size。