Baidu_XJTU_2018_company_logo_recognition

百度-西交大·大数据竞赛2018初赛——商家招牌的分类

1. 使用方法

首先运行 utils 文件夹中的 rebuild_datasets.py 文件，然后运行 densenet.py 文件。

2. 功能简介

rebuild_datasets.py 会重新组织数据集的文件层次，将同类别图片放置于以类别号命名的文件夹之中。 densenet.py 为主模型，当前代码会使用已经训练好的权重文件。如要重新训练，可去掉第 189 与 190 行注释。

3. 文件结构

. ├── _extra_ori 用于增强训练集下载的图片（原图）

├── data 重新组织的数据集
│   ├── train
│   └── validation
├── datasets 原始数据集

│   ├── test
│   ├── test.txt
│   ├── train
│   └── train.txt
├── densenet.py 主模型

├── extra 用于增强训练集下载的图片（裁剪后）

├── result
│   └── result.csv 结果文件

├── utils
│   └── rebuild_datasets.py 重建数据集文件层次工具

└── weights 训练好的权重文件

├── weights_0.h5
├── weights_1.h5
└── weights_2.h5

4. 补充说明

   1. 使用early stop必须要将训练集的一部分划分出来作为验证集。为了充分使用训练集，将early stop的epoch次数记录下来，然后使用完整的训练集进行训练。

   2）训练集中13和63类存在误分类的现象，对此进行了手动调整。

   3. 删除了两张噪声图片：908fa0ec08fa513df7d00c42366d55fbb2fbd930.jpg a5c27d1ed21b0ef4c531461dd6c451da80cb3e9c.jpg

   4. 对28类增加了3张百度下载的图片。原图位于 _extra_ori 文件夹内，裁剪后的图片位于extra文件夹内。rebuild_datasets.py 会自动将 extra 文件夹内的图片复制到训练集的正确位置。