最近才参加完中兴的捧月比赛,感觉一开始该公司水分较大,让参赛者自己制作数据集,并且制作的数据集作为比赛最后的评审得分之一(对此有啥看法,你们懂得-----不就是想通过比赛得到大量数据,这可是大数据的时代!)。最后,因为引起了很多参赛者的抗议,最后不提供自己制作的数据集,并且中兴提供测试数据集,感觉这也还是不错的,但是有一点不公平的地方其实已经体现出来,那就是那个才赛队伍的数据集多,可能胜率会高一些,深度学习的你大概能够理解原因!
今天主要我是来说说我第一天做的小成果,也就是比赛刚刚开始做的一下小demo,感觉节奏很对,结果还凑合,所以和团队进行了进一步的改进和优化。
刚拿到题目,很懵。。。因为自己做数据集,我在想公司这么不给力,自己提供数据集,比赛的天平已经开始倾斜,于是乎,我从一些公共数据集中抽取了部分数据,做了个小小的实验。
下面就来看看小实验的过程和效果吧!
给出一点小数据,是不是很简单的数据。因为要求是去检测帽子,眼镜和口罩。
局部代码:
layer detection_layer(int batch, int inputs, int n, int side, int classes, int coords, int rescore)
{
detection_layer l = {0};
l.type = DETECTION;
l.n = n;
l.batch = batch;
l.inputs = inputs;
l.classes = classes;
l.coords = coords;
l.rescore = rescore;
...............................
其中因为不用做人脸的检测,只是做一些遮挡的检测和性别的检测,所以难度有所减低。
之前有介绍一些相关的人脸检测与检测过程遇到的问题,现在针对的就是遮挡问题,已经将问题缩小到一个点了,所以难度不会很高!
我只给出一点刚开始的小思路,后期当然不是这样进行的,嘿嘿!
针对遮挡,可以引入显著性结合稀疏编码,但是这个效率很慢,所以.............其实有很多更好的解决办法,看你们自己怎么去做了!O(∩_∩)O
IOU: 0.893009, Class: 0.999977, Obj: 0.888647, Avg Recall: 1.000000
IOU: 0.897721, Class: 0.999971, Obj: 0.856361, Avg Recall: 1.000000
IOU: 0.834439, Class: 0.999979, Obj: 0.870317, Avg Recall: 1.000000
..................................
最后效果还可以!过段时间我把改进的代码放到我的Github上,供大家参考学习,一起交流,怎么进一步改进!
最后给出我一开始的效果图吧!
自己找了一些简单的结果展示下,效果一般般吧!请相关领域的您能给出一些更好的意见和想法,让我学习更多,谢谢!
想这个就是性别分类错误,经过多次试验,发现发型对性别分类很重要,还有别的特征就不多说了!
测试结果可视化,因为有些没有更多的标签,是因为,试验参数选择和输出做了一些改变,主要是为了通过实验来分析不同的分类主要取决于什么,通过这次比赛,也学习了很多,成长了很多,也让我知道了更多领域需要去探讨,更多的实际等着我们去解决,所以,现在开始,让我们一起努力,继续做出更好的创新,加油!