GitHub - lukaisheng1203/DF-traffic_sign_Detect: 基于虚拟仿真环境下的自动驾驶交通标志识别 Datafountain 平台上的一个竞赛，最终成绩为0.986,25th。前排大佬都能做到0.996+了，膜拜学习一下

lukaisheng1203 / DF-traffic_sign_Detect Public

forked from moyan007/DF-traffic_sign_Detect

Notifications You must be signed in to change notification settings
Fork 0
Star 0

基于虚拟仿真环境下的自动驾驶交通标志识别 Datafountain 平台上的一个竞赛，最终成绩为0.986,25th。前排大佬都能做到0.996+了，膜拜学习一下

Notifications

Name		Name	Last commit message	Last commit date
Latest commit History 2 Commits
data		data
keras_retinanet		keras_retinanet
output		output
tests		tests
README		README
convert_model.py		convert_model.py
crop_test.py		crop_test.py
crop_train.py		crop_train.py
crop_train_random.py		crop_train_random.py
detla_test.txt		detla_test.txt
test.py		test.py
test_crop_result.py		test_crop_result.py
train.py		train.py

Repository files navigation

基于RetinaNet检测器作为主干网络检测器来做的，预处理部分主要是对图像作了增强，从原图中扣取出400*400的图进行训练，更容易准确检测到目标。
测试集的话则根据之前比较好的测试结果来进行扣取测试图像。同时可以对多个检测模型的检测结果进行融合，取检测框的交集或者取并集具体根据自己的任务需求而定。
然后就是细致的调参过程了。

对于二阶检测算法不是太熟，尝试了mask RCNN，faster RCNN，可能是没有调好，线上只能调到0.8+，着实是一种遗憾，还是需要更加深入不断的学习。

最后其实关于数据增强方面有尝试随机裁剪原图像，效果应该可以更好，只是策略训练的太晚了，同时感觉对原图加一些图像增强及相关预处理效果可以更好。

总之，参加比赛嘛，一次学习和实践的过程，也着实在这个过程里学习到了不少的东西。分享给大家，交流学习一下