| title | date | tags | categories |
|---|---|---|---|
flag |
2018-02-28 03:13:17 -0800 |
DL |
个人学习 |
因为项目需要，需要检测一些不在公开数据集中的物体，比如旗帜，横幅。这些在VOC以及COCO，Imagenet中都没有对应的类别，因此我们需要自己整理数据，标注数据。SSD作为一个快速的检测框架，非常适合实际使用，因为之前已经有使用SSD框架的行人检测，对应的SDK已经其他一些API调用工具都已经编写完成。
旗帜数据非常多，目前的搜索引擎有好几个，因此需要从不同的引擎上去搜取图片，需要注意的是，需要下载原图，有些引擎可能稍不注意下载的都是缩略图，尺寸非常小，不适合训练。标注工具使用Labelimg https://github.com/tzutalin/labelImg ,自动生成xml格式的label，非常好用。网上对应的资料非常多，非常好用的一个工具，只是暂时不支持mac，这个是个缺点。
因为实际使用时不需要检测太小的旗帜，因此网络可以稍微小一点，同时可以对原始的网络结构进行一些修改方便输入不同尺寸的图片。这次使用的网络结构是resnet18，相比vgg，计算量已经小了很多，运算速度也还算是比较快，在显卡为 GTX 1080 Ti, 输入300x300可以达到80fps，这个实际使用完全够用。
github 地址为：
Check failed:std::equal(top_shape.begin() + 1, top_shape.begin() + 4, shape.begin() + 1)
or
OpenCV Error: Assertion failed ((scn == 3 || scn == 4) && (depth == CV_8U || depth == CV_32F)) in cvtColor
这个错误的原因有多个：
- 训练图像通道不为3，搜集的图片可能包含灰度图，以及4通道的图片
- 训练图像最小边过小，比如小于300
注意python的cv2模块与c++直接调用C++是有区别的
python 的cv2 是无法识别灰度以及4通道图片的，以默认的方式读图片都会以3通道的方式读取，如果事先不知道图片是否是灰度图是无法通过python cv2直接判断出图片是不是灰度图或者4通道图片，而caffe中C++是直接可以读出来的。
对于灰度图python 可以通过非常暴力的判断rgb3个通道是不是相同去判断是不是灰度图，而4通道图就比较麻烦，我没有去找图片，而是更加暴力去重新读取图片，然后使用python cv2去写入图片保证最后的图片都是3通道。
另一种解决办法
将P.Resize.warp 改为 P.Resize.FIT_SMALL_SIZE，但是这种方式就没办法批量训练，batch size只能设置为1。实际上不是一个非常好的训练方式。