pytorch应用之———纸币识别(二)

参加TinyMind的深度学习纸币识别比赛，预赛在前一章介绍过戳这里。正赛是人民币冠字号编码识别，如下图，在给的测试集上把编码区识别出来，这是我通过yolov3做出来的结果。这里，我把自己的思路代码跟大家分享。

主要思路：自己做训练集，把每一种面值的纸币作为一类并把编码区作为ground truth框起来大概做了1000张标签，利用yolov3训练数据。由于考虑训练集背景单一简单，所以我用yolov3-tiny作网络框架。这样网络参数较小，而且训练效果较好。下面我分几个部分把主要内容跟大家介绍以下。

一.Labelimg标签

我用的是从https://github.com/tzutalin/labelImg中下载的，windows版本。
用起来很方便，里面有voc数据集的格式，也有yolo的格式，还设置了快捷键，裱起来还是很轻松的。

二.网络结构介绍
网络结构使用的是yolov3-tiny，暂时先用的这个试一下效果。yolov3-tiny是yolov3的简化结构，它跟yolov3主要差别在于没有resnet的残差，只有23层。这23层包括5次下采样，2次上采样，2个yolo层。每一yolo层有6个anchor，具体想了解可以参看cfg，这里不赘述。

其实yolov3的网络结构大家可以随意改变，darknet的深度，yolo层的个数，具体卷积的kernel，都可以根据具体的项目背景去做改变，loss还有负样本增强等都可以应用。不过所有的前提是必须理解整个代码，理解每一个函数的意义并会去修改使用它。后面我可能会想办法提升整个网络的MPA，如果有时间的话。

三.代码
其实，我知道大家最想了解的是代码如何编写的，我使用的是pytorch版本的yolov3，我前面的文章具体讲解过所有train和infer的具体过程，有兴趣的同学可以戳这里。想要具体代码的可以留言给我，如果人多的话，我就上传到github分享给大家。

四.结果