自動駕駛——SimpleNet的學習筆記

1 預處理

DENSE_RATIO = 4

選擇比例爲4的原因如下：

1. DetectoRS的FPN最下層特徵圖的採樣比例爲4，

可以看看他們的配置文件：https://github.com/joe-siyuan-qiao/DetectoRS/blob/master/configs/DetectoRS/DetectoRS_mstrain_400_1200_x101_32x4d_40e.py

2 目標函數的設計

2.1 正負樣本的定義

這裏，正負樣本的定義我們參照的是COCO數據集的標準，

（今後，我們還需要根據測試定義適合此項目的正負樣本的定義標準）

在COCO數據集中，正負樣本的區分是通過IoU來實現的，

其中正負樣本的閾值爲：IoU = 0.5

截圖如下：

2.2 loss_heat_map——基於 Focal Loss

在熱點圖的迴歸中，“樣本不平衡”是一個十分嚴重的問題，於是我們將基於FL來設計loss函數；

3 Post process後處理

3.1 NMS——使用Soft-NMS

因爲CenterNet的論文中使用的Soft-NMS算法；

4 備註

4.1 如果輸入不一致怎麼辦呢

可以先使用仿射變換將輸入圖像填充至模型最大的輸入尺寸；