pedestrian

前言 之前，博主为了得到更好的车载视频目标检测效果（偏工程实际，非刷榜），使用SSD框架训练过KITTI数据集，几次训练下来，结果不太理想。自己分析，原因较多，其中很重要的一条就是KITTI数据集不够大（标注图片仅7000多张），而且还是fine-tune from reduced VGG model，精度自然不会太高。解决方法大约有两种：一是扩充数据集；二是fine-tune已经训练好的SSD model，这样数据集小一点也能接受。这里先介绍方法一，而方法二还在探索中。 PS.数据集标注貌似不如KITTI严谨，存在几处关键错误，请慎重使用，已知的错误已更新在文中。 关于Udacity数据集 既然觉得数据偏少，一是可以增加类似的道路标注图片，如果自己动手，可以参考之前博文中介绍的 LabelImg 工具；二是直接换一个更大的目标检测数据集。这里本文就介绍一下偶然发现的 Udacity目标检测数据集 ，这是Udacity为其自动驾驶算法比赛专门准备的数据集，对连续视频图片进行了仔细的标注（2D坐标），主要有汽车、行人、大型车辆等类别。 整个数据集分为两个子数据集，分别有9423和15000张图片，分辨率都是1920×1200，两个子数据集的标注文件稍有不同，不过接下来我会把他们合在一起，统一转换成Pascal VOC的格式。算下来Udacity数据集图片数量是KITTI的3倍多

ME41105 - IV Assignment 1 Visual object detection Intelligent Vehicles group Delft University of Technology November 15, 2019 About the assignment Make the assignments in student pairs, you receive both one grade. Please read through this whole document first such that you have an overview of what you need to do. This assignment contains Questions and Exercises: • You should address all of the questions in a 2 or 3 page report (excluding plots and figures). Please provide separate answers for each Question in your report, using the same Question number as in this document. Your answer should