目标检测——样本不均衡

在样本不均衡的情况下进行目标检测.

训练环境

Python 3.7
pytorch 1.3
ssd

数据文件

训练数据集合将原数据集core_500和coreless_5000合并。
请将训练数据合并后存储到data/sixray/目录，目录结构下：

.
`-- sixray
    |-- Annotation
    |   |-- core_battery00000003.txt
    |   |-- core_battery00000004.txt
    |   |-- coreless_battery00000053.txt
    |   `-- ...
    |-- Image
    |   |-- core_battery00000003.jpg
    |   |-- core_battery00000004.jpg 
    |   |-- coreless_battery00000053.jpg
    |   `-- ...
    |-- core_500.txt
    |-- coreless_5000.txt
    |-- all5500.txt
    |-- train_3850.txt
    `-- test_1650.txt

数据扩充

因为不带芯充电宝和带芯充电宝的比例为5000:500=10:1，因为样本不均衡会导致训练的模型出现偏差，所以为抵消样本不均衡的影响，考虑扩充数据样本。
此处处理的办法为，将带芯充电宝数据旋转两次，生成两组新的数据，这样不带芯充电宝和带芯充电宝的比例可缩小为10:3，此比例较为合理。

训练

运行

• 在终端直接python train.py
  （注意自行调整参数，如batch_size, max_iter等）

结果

• 最终训练出的模型默认存储为weights/SIXRAY.pth

测试

• 在终端直接python test.py
• 最终结果存储为eval/test1.txt

验证

• 在终端直接python eval.py
• 最终结果存储在eval/

模型评估指标

iteration(24)	mAP	core_AP	coreless_AP
100,000	0.707	0.663	0.751
100,000(扩充后)	0.729	0.706	0.752

由以上结果可以看出数据扩充对模型的训练有一定的提高效果。

VGG16

• SSD基于VGG16，请下载预训练模型文件到weights/.
  vgg16_reducedfc.pth

References

• pytorch-ssd.
• Wei Liu, et al. "SSD: Single Shot MultiBox Detector." ECCV2016.