深度学习7日入门cv疫情特辑学习心得

课程简介

直播内容包含两个部分，理论和实践，课后需要完成每次的作业和一次比赛。整个课程的内容还是比较丰富的，参加课程前还是需要掌握基本的python和深度学习基础知识。

其中几次作业虽然标题不一样，数据不一样，本质上都是分类任务。day2对于不同的手势图片进行分类，day3是对于切割后的车牌字符（省份简称和字母、数字）进行分类，day4对于戴口罩和不戴口罩的人脸图片进行二分类。这三个作业主要就是去搭不同结构的网络，相同的步骤就是：

1.数据处理：从给定文件夹读数据和相应的label，自定义数据的reader

2.定义网络：卷积Conv2D，池化Pool2D，全连接Linear 分类网络主要就是使用这三种操作

3.网络训练：选定一种优化器Optimizer，设置初始学习率，迭代次数

4.模型校验：eval模式，使用测试集进行准确率评估

通用的调优技巧：

• 对于数据量较小，也比较简单的数据集，网络容易过拟合，使用常用的防止过拟合手段：数据增强，减少模型参数量，正则化，early stopping，dropout
• 每隔一定数量的minibatch就在验证集评估一次模型效果，仅保存表现最好的模型（但是在这个课程中有些混淆测试集和验证集的概念，应该说明提供的是验证集而不是测试集）
• 选择合适的优化器sgd，adam等等，设置学习率decay
• 适当调整batch_size和训练的迭代次数

 

 

比赛：人流密度检测

比赛这个课题之前没怎么接触过，想要查找相关论文的话，关键词是crowd counting，最近北航有发一篇综述

比赛时间紧张，就大概看了一下 CSRNet: Dilated Convolutional Neural Networks for Understanding the Highly Congested Scenes, CVPR2018 

整个网络架构很简单，就是vgg backbone接空洞卷积，生成密度图，论文里写到配置b效果最好。

比赛中提供数据的标注方式有两种：1.number+ 人的检测框 2.number + 头部点 

CSRNet需要将标注转换成密度图，然后进行训练，实际跑下来，效果不是很好，和其他同学交流下来做到的精度度也是差不多

排名比较靠前的方案有：直接回归，目标检测，最后请了第二名同学来分享，用的方法是头部点转头部框，检测头部+检测人 接nms，想法还是挺好的。

实际上比赛的数据并不是非常crowd，一张图像里至多也就几十人，最少两三人。

对于这个方向之后有空会研读一下综述论文，感觉这个课题还是挺有意思的，而且感觉还有继续挖掘的潜力。