城市管理违规行为智能识别_Task2学习心得

1、目标检测：

输入通常为图片或视频帧

通常使用CNN作为特征提取器

在two-stage算法中，使用R-CNN（基于区域的卷积神经网络），先生成候选区域

对每个候选区域，需要判断物体类别（分类）和边界框（回归）

在检测过程中，一个物体可能得出多个框，这时需要非极大值抑制

One-stage模型：

直接在单次网络评估得出物体的类别和边界框，速度快但是精度较低

Two-Stage模型：

先用区域提议网络生成候选区域，再对区域进行分类和边界框的精调，精度高速度慢

2、YOLO模型学习：

YOLO是一种经典的One-Stage模型

使用CNN来提取图像特征

Yolo对每个边界框预测一个置信度=Pr(Object) * IOU(pred, truth)；Pr代表格子中存在目标的概率，IOU代表交并比

自2015年以来每年迭代一个版本，目前已经是v10了

数据格式：每个图像使用一个txt文件标注，包括：1）类别：一个整数；2）边界坐标：由(x_center, y_center)和宽度width、高度height组成，其中(x_center, y_center)为边界框中心坐标

3、baseline调参：

在讲义里面给出的调参是增加训练集、切换不同模型权重。我选用的是参数量最大的yolov8x，选用了较大的模型就要把batchsize调低一点，我设置的batchsize是8，在默认16的情况下会Out of memory。总的来说本次学习还是比较简单的。