2020-12-16

目标检测基础和VOC数据集

以分类角度看目标检测

对每个锚框进行分类，分类得分最高的框就代表检测最准确的框。

笔记

1.在train时一般设置shufle=True打乱数据顺序，增强模型的鲁棒性
2.num_worker表示读取数据时的线程数，一般根据自己设备配置确定（如果是windows系统，建议设默认值0，防止出错）
3.pin_memory，在计算机内存充足的时候设置为True可以加快内存中的tensor转换到GPU的速度
4.在pytorch中，图像的读取要使用Image.open()读取成PIL格式，不能使用opencv。由于Image.open()读取的图片是四通道的(RGBA)，因此需要.convert(‘RGB’)转换为RGB通道。

image = Image.open(self.images[i], mode='r')
image = image.convert('RGB')

5.__getitem__读取一张图片及其objects信息，collate_fn将读取的一张张图片及其object信息整合成batch的形式。对于一个batch的images，collate_fn通过torch.stack()将其整合成4维tensor，对应的objects信息分别用一个list存储。
6.图片在送入网络训练之前需要进行归一化（对所有图片各通道求mean和std来获得），可以防止图片之间像素差异过大导致的训练不稳定问题。