/Ship_detection

guide.md

Primary LanguageJupyter Notebook

Các thư mục và mục đích sử dụng

  • darknet.py: chạy file darknet dùng cho mục đích kiểm tra
  • create_name.py: tạo tên đường dẫn của thư mục để đưa vào file train.txt, valid.txt và test.txt
  • change_file_type.py: chuyển annotation của ảnh ( được gán nhãn bởi bài báo ) từ .xml sang .txt
  • sample.xml: file xml mẫu
  • coco.py: file được chỉnh sửa từ COCO, mục đích để lấy ảnh chứa class yêu cầu - Boat
  • get_horizontal_img.py: loại ảnh

Kết quả và đánh giá

26/2

  • Dữ liệu
  • Thêm 1000 ảnh chứa tàu từ tập COCO vào Training set
Dataset Total Training set Test set
Boat Types Recognition 1362 1000 150
Ship Detection 7000 1000 3000
COCO 9550 3000 + 4000 0 + 2550
Project 17912 9000 5700
5000 + 4000 3150 + 2550
  • Kết quả
Thresh Dataset detections_count unique_truth_count mAP TP FP FN IoU
0.24 obj + noobj 9277 4625 76.66 3262 629 1363 64.62
0.24 obj 5021 3802 90.27 3139 193 663 73.75
0.24 noobj 3194 22 5 18 341 4 3.98
0.1 obj + noobj 9277 4625 76.66 3236 1185 989 57.72
  • Nhận xét
  • Tỉ lệ phát hiện thiếu (FN) = 1363/4625 = 0.3
  • Tỉ lệ phát hiện sai (FP) = 629/9277 = 0.07

28/2

  • Dữ liệu
  • Bỏ các ảnh dọc, trộn lẫn tập COCO để chia vào Training set và Test set
Dataset Total Training set Test set
Boat Types Recognition 1200 1000 200
Ship Detection 7000 1000 1000
COCO 8000 6000 2000
Project 16200 8000 3200
Trộn lẫn Trộn lẫn
  • Kết quả
Thresh Dataset detections_count unique_truth_count mAP TP FP FN IoU
0.24 obj + noobj 9277 4625 76.66 3262 629 1363 64.62
0.24 obj 5021 3802 90.27 3139 193 663 73.75
0.24 noobj 3194 22 5 18 341 4 3.98
0.1 obj + noobj 9277 4625 76.66 3236 1185 989 57.72
  • Nhận xét
  • Tỉ lệ phát hiện thiếu (FN) =
  • Tỉ lệ phát hiện sai (FP) =