目标检测比赛的trick
取自郑烨大佬的分享。
1、anchor_ratio和anchor_scale的设置。
根据模型感受野,anchor的长宽比,图片的长宽比来确定上面这两个数字。
链接1链接2
2、hrnet作为backbone来应对iou要求极高的检测
3、粗检测+细检测来应对目标数量极其稀少的检测。
4、训练采样的方式:
a、在线加权采样(1、按照类别数量比例加权 2、按照图片类别丰富程度加权)
b、OHEM等基于loss的采样
5、正常数据的使用
a、图片拼接(先用rpn训练一下正常图片与带目标的图片的拼接图片,然后把上一步中训练出来的模型初始化一下新的rpn用来训练只带目标的图片)
b、抠图+粘贴(也就是常说的填鸭法)
c、做差、通道拼接
6、整体算法
包括四个部分(Backbone、Head、Substructure、Post-processing)
7、训练loss函数的选择(Focalloss等)
8、cascade模型的话注意iou阈值的选取
本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:目标检测比赛的trick - Python技术站