无人机图片物体检测baseline
<object_category>
The object category indicates the type of annotated object, (i.e., ignored regions (0), pedestrian (1), people (2), bicycle (3), car (4), van (5), truck (6), tricycle (7), awning-tricycle (8), bus (9), motor (10), others (11))
Backbone = Resnext 152
test 548, step =50000, mask_on=False 测548） INFO voc_dataset_evaluator.py: 143: Mean AP = 0.4277 INFO voc_dataset_evaluator.py: 144: ~~~~~~~~ INFO voc_dataset_evaluator.py: 145: Results: INFO voc_dataset_evaluator.py: 147: 0.407 INFO voc_dataset_evaluator.py: 147: 0.345 INFO voc_dataset_evaluator.py: 147: 0.234 INFO voc_dataset_evaluator.py: 147: 0.771 INFO voc_dataset_evaluator.py: 147: 0.448 INFO voc_dataset_evaluator.py: 147: 0.419 INFO voc_dataset_evaluator.py: 147: 0.397 INFO voc_dataset_evaluator.py: 147: 0.182 INFO voc_dataset_evaluator.py: 147: 0.568 INFO voc_dataset_evaluator.py: 147: 0.506 INFO voc_dataset_evaluator.py: 149: ~~~~~~
+mask on (40000,测25, lr=0.01，WEIGHT_DECAY＝0.00001) INFO voc_dataset_evaluator.py: 144: AP for pedestrian = 0.4490 INFO voc_dataset_evaluator.py: 144: AP for people = 0.3275 INFO voc_dataset_evaluator.py: 144: AP for bicycle = 0.2681 INFO voc_dataset_evaluator.py: 144: AP for car = 0.7616 INFO voc_dataset_evaluator.py: 144: AP for van = 0.4760 INFO voc_dataset_evaluator.py: 144: AP for truck = 0.4568 INFO voc_dataset_evaluator.py: 144: AP for tricycle = 0.5157 INFO voc_dataset_evaluator.py: 144: AP for awning-tricycle = 0.1051 INFO voc_dataset_evaluator.py: 144: AP for bus = 0.6198 INFO voc_dataset_evaluator.py: 144: AP for motor = 0.4912 INFO voc_dataset_evaluator.py: 147: Mean AP = 0.4471
+mask on (30000,测25, lr=0.01，WEIGHT_DECAY＝0.00001) INFO voc_dataset_evaluator.py: 144: AP for pedestrian = 0.4526 INFO voc_dataset_evaluator.py: 144: AP for people = 0.3127 INFO voc_dataset_evaluator.py: 144: AP for bicycle = 0.1926 INFO voc_dataset_evaluator.py: 144: AP for car = 0.7616 INFO voc_dataset_evaluator.py: 144: AP for van = 0.4662 INFO voc_dataset_evaluator.py: 144: AP for truck = 0.4802 INFO voc_dataset_evaluator.py: 144: AP for tricycle = 0.4538 INFO voc_dataset_evaluator.py: 144: AP for awning-tricycle = 0.2240 INFO voc_dataset_evaluator.py: 144: AP for bus = 0.6970 INFO voc_dataset_evaluator.py: 144: AP for motor = 0.4490 INFO voc_dataset_evaluator.py: 147: Mean AP = 0.4490
+mask on (20000,测25, lr=0.01，WEIGHT_DECAY＝0.00001) INFO voc_dataset_evaluator.py: 144: AP for pedestrian = 0.4629 INFO voc_dataset_evaluator.py: 144: AP for people = 0.3280 INFO voc_dataset_evaluator.py: 144: AP for bicycle = 0.2711 INFO voc_dataset_evaluator.py: 144: AP for car = 0.7682 INFO voc_dataset_evaluator.py: 144: AP for van = 0.5189 INFO voc_dataset_evaluator.py: 144: AP for truck = 0.4190 INFO voc_dataset_evaluator.py: 144: AP for tricycle = 0.4645 INFO voc_dataset_evaluator.py: 144: AP for awning-tricycle = 0.2197 INFO voc_dataset_evaluator.py: 144: AP for bus = 0.6752 INFO voc_dataset_evaluator.py: 144: AP for motor = 0.5106 INFO voc_dataset_evaluator.py: 147: Mean AP = 0.4638
+mask on (20000,测548, lr=0.01，WEIGHT_DECAY＝0.00001) INFO voc_dataset_evaluator.py: 144: AP for pedestrian = 0.4756 INFO voc_dataset_evaluator.py: 144: AP for people = 0.3603 INFO voc_dataset_evaluator.py: 144: AP for bicycle = 0.2444 INFO voc_dataset_evaluator.py: 144: AP for car = 0.7805 INFO voc_dataset_evaluator.py: 144: AP for van = 0.4889 INFO voc_dataset_evaluator.py: 144: AP for truck = 0.4200 INFO voc_dataset_evaluator.py: 144: AP for tricycle = 0.3882 INFO voc_dataset_evaluator.py: 144: AP for awning-tricycle = 0.2106 INFO voc_dataset_evaluator.py: 144: AP for bus = 0.6713 INFO voc_dataset_evaluator.py: 144: AP for motor = 0.4979 INFO voc_dataset_evaluator.py: 147: Mean AP = 0.4538
+mask on (50000,测548, lr=0.01，WEIGHT_DECAY＝0.00001) INFO voc_dataset_evaluator.py: 144: AP for pedestrian = 0.4511 INFO voc_dataset_evaluator.py: 144: AP for people = 0.3418 INFO voc_dataset_evaluator.py: 144: AP for bicycle = 0.2552 INFO voc_dataset_evaluator.py: 144: AP for car = 0.7776 INFO voc_dataset_evaluator.py: 144: AP for van = 0.4749 INFO voc_dataset_evaluator.py: 144: AP for truck = 0.4285 INFO voc_dataset_evaluator.py: 144: AP for tricycle = 0.3880 INFO voc_dataset_evaluator.py: 144: AP for awning-tricycle = 0.1663 INFO voc_dataset_evaluator.py: 144: AP for bus = 0.6388 INFO voc_dataset_evaluator.py: 144: AP for motor = 0.4513 INFO voc_dataset_evaluator.py: 147: Mean AP = 0.4373
+mask on (30000,测548, lr=0.01，WEIGHT_DECAY＝0.00001) INFO voc_dataset_evaluator.py: 144: AP for pedestrian = 0.4586 INFO voc_dataset_evaluator.py: 144: AP for people = 0.3270 INFO voc_dataset_evaluator.py: 144: AP for bicycle = 0.2106 INFO voc_dataset_evaluator.py: 144: AP for car = 0.7818 INFO voc_dataset_evaluator.py: 144: AP for van = 0.4778 INFO voc_dataset_evaluator.py: 144: AP for truck = 0.4534 INFO voc_dataset_evaluator.py: 144: AP for tricycle = 0.3711 INFO voc_dataset_evaluator.py: 144: AP for awning-tricycle = 0.1745 INFO voc_dataset_evaluator.py: 144: AP for bus = 0.6454 INFO voc_dataset_evaluator.py: 144: AP for motor = 0.4528 INFO voc_dataset_evaluator.py: 147: Mean AP = 0.4353
+mask on (40000,测548, lr=0.01，WEIGHT_DECAY＝0.00001) INFO voc_dataset_evaluator.py: 144: AP for pedestrian = 0.4680 INFO voc_dataset_evaluator.py: 144: AP for people = 0.3339 INFO voc_dataset_evaluator.py: 144: AP for bicycle = 0.2140 INFO voc_dataset_evaluator.py: 144: AP for car = 0.7810 INFO voc_dataset_evaluator.py: 144: AP for van = 0.4537 INFO voc_dataset_evaluator.py: 144: AP for truck = 0.4579 INFO voc_dataset_evaluator.py: 144: AP for tricycle = 0.3984 INFO voc_dataset_evaluator.py: 144: AP for awning-tricycle = 0.1446 INFO voc_dataset_evaluator.py: 144: AP for bus = 0.6712 INFO voc_dataset_evaluator.py: 144: AP for motor = 0.5066 INFO voc_dataset_evaluator.py: 147: Mean AP = 0.4429