【2020华为云AI实战营】零代码人车检测模型，快速实现网络替换，定制achors模型训练！

AI实战营第二课：零代码人车检测模型、快速实现网络替换、定制achors模型训练

课程内容可谓是干货满满，什么？如果你还没听过的话那就来看看吧！

作业一：

在课程2.2中，我们创建物体检测模型，实现零代码的人车检测模型开发

可以看到，识别结果非常准确

但是这个模型只能识别小的人和小型的机动车

遇到大点的人像或大型的巴士

会出现识别错误或识别缺漏的问题

（将人识别成车）

（双层巴士被识别成两台车）

（有6台车，只识别出3台）

为解决这些问题，我们在数据集里导入一些“大型巴士”和“近距离人像”

（在原数据集的基础上导入新数据集）

对新的模型也进行与上次相同时长的训练（0.2h），

对六台巴士图片的预测结果如图

发现结果依旧有问题：

错误地识别出两台小车  后面的大楼被当成了巴士

这是因为数据集比第一次训练时大了很多

机器需要更长的时间去学习“新知识”

时间太短的话，机器就无法完全地“消化”

再次训练，尝试把训练时长调整到1h，这次的效果就非常好了~

（成功识别所有车辆）

总结：在做数据集时，场景不要太过地单一，比如图像内物体的数量、远近、形态等都要考虑进去，尽量使数据集变得丰富，这样才可以得到一个比较完美的模型，以便应对各种特殊的场景。另外，在增大数据集的同时，要考虑适当加长训练的时间，以便机器能更好的“消化”。

作业二：

很多实践证明，如果替换一个更好的主干网络

训练结果可能会有不错的提升，是个不错的调优方案

在作业2的实践中，我们在FasterRCNN中用的是vgg16主干网络

我们只需替换部分编码，再对接新的网络文件路径，即完成了网络的替换（提示：1.from import 2.net= 3. pth./yml. ）

总结：我们可以在已开发好的主干网络继续训练自己的数据集，这样做可以大大的提升效率。替换网络需要替换的内容有：网络结构定义、网络结构参数文件路径和网络配置路径。

作业三：

运行代码"!python kmeans.py"，就可以生成一个新的achors文件，后缀是.txt，把旧的文件替换成新的，就可以使用定制化的achors参数训练模型。

achors是什么呢？简单来说就是物体的宽高比，物体会有一个常见的宽高比，比如行人常见宽高比是0.3:1，没有10:1的人吧？机器在下一次识别到0.3:1的物体的时候，就会判断“这有可能是个行人！”这样，模型就能更有效的学习。