TinyObject

主要是用来解决小目标的检测和跟踪问题

数据来源

• Skybox Imaging Satellite Video Dataset
• 斯坦福无人机航拍数据
• 吉林一号视频数据

---

工程的主要目录结构

工程根目录

.
├── README.md
├── mainmodels
│   ├── dataset
│   └── models
└── source
    ├── bg
    ├── test
    ├── tools
    └── tracking

模型目录

.
├── dataset
│   ├── NWPU_dataset_input.py
│   ├── TT100k_traffic_sign_input.py
│   ├── airplane_input.py
│   ├── cifar_input.py
│   ├── show_target.py
│   ├── tools.py
│   └── usa_traffic_sign_input.py
└── models
    ├── autoencoder
    ├── resnet
    ├── rpnplus
    ├── ssd
    └── tradition

---

TODOLIST

• 对JS1号卫星图像数据进行裁剪，并将相应的目标的位置进行坐标变换
• 使用C++编写SSD网络中不同feature_map中对应的anchor的标签数据，这其中问题较多
• 在构造anchor boxes时，需要将inner的box剔除出去
• 对于随机采样出来的图像，在生成SSD训练样本时，却发现仅仅由大约 30% 的图像能在不同的feature map中找到对应的候选框
• 将物体覆盖的率的评价函数由IOU改成overlap-ratio
• 使用Python将anchor在没有获得候选框的图像的结果可视化出来，分析在不同目标尺度上的差异
• 对于上述结果进行可视化分析，找到适合的阈值，使得SSD模型能覆盖大部分目标
• 现在训练SSD网络，base网络是自己定义的普通的CNN网络
• 紧接着将ResNet作为base网络，对比模型结果