RoboMaster 小车目标识别方案-视觉组 [CPU 0.018s]
开始做的动机
某日在RoboMaster论坛上，看到有小伙伴使用TensorFlow Object Detection API ，刚好最近在看人脸识别网络的内容，识别小车的装甲板和识别人脸是不是有什么关联呢？
我的代码：链接: https://pan.baidu.com/s/1lFGqNJYdTyVuCztG8LSXow 密码: ajqo
数据集
看了之前提到的文章，我得到一个很好的启示：要把官方数据集内含有小车的部分截取下来作为数据集比较靠谱，因为原始数据集是1920x1080的大小，我们截取的小车大于在400x300左右，较小的尺寸方便训练
把官方文件夹内的一个文件夹移动到，我的项目中，然后再使用ProcessXML.py解析数据集用于训练
label.txt内前面是图片的名字后面的数字每四个一组分别为[x1,y1,x2,y2]左上角和右下角
[官方数据集下载地址]：链接: https://pan.baidu.com/s/1knd-TlmdDaSZsLYuNQ8ASA 密码: 27oq
随便找个人脸识别模型改改看
我参照了这个人脸识别算法：
可以看到，它是框取了人脸位置外加5个landmark定位，对于小车这个识别来说，框取就好了landmark可能不需要，所以我们要观察一下他的网络输出和损失函数做出对应的修改，其实说是修改，就是仅仅删除而已，把算lanmark的部分删掉，然后再观察一下网络结构，这个网络结构还是很简单的，用了FPN得到三种不同深度下提取的feaure map，再分别用对应的Head去提取，所以简单地删掉LandmarkHead就好了
开始训练
项目内文件的功能
-
ProcessXML.py：解析官方数据集 train.py ：用于训练 detect.py：用于检测 validation_data.py：用于验证分割好的数据集
参考：
上一篇：
通过多线程提高代码的执行效率例子