自动驾驶数据集BDD训练mobileNet-SSD <2>
这次的博客准备接着上次的结果来写的，但是结果非常的不好，那这里就当作是上次的总结吧
mobileNet-ssd 在BDD数据集上训练收敛不了，尝试了很多方法，loss一直在7.0左右，降不下去。
可能的原因：
1,BDD数据集中存在dirty的数据，需要进行数据清洗。例如BDD中夜间的标注，很多人眼根本分辨不出来是什么东西的标注框，另外BDD中还存在有的行人的标注框非常的小，30像素以下的物体。
2,mobileNet-ssd不能很好的拟合多样性太大的数据集。因为BDD中包含的场景非常复杂，有白天，夜晚，雨天，晴朗，城市道路，乡村道路等等
以上原因是个人的猜想，具体的原因还不清楚。
mobileNet-ssd的性能
1,在voc数据集上训练情况比较好。loss可以下降到1.8左右，准确率大约0.7。
2,在gtx1080显卡上时间消耗大约是11ms，在tx2上时间消耗大约是28ms。（使用depthwise）
替代mobileNet-ssd的一点想法
1,moileNet-ssd的效果并不算好，时间消耗也不惊艳。尝试使用tensorrt来加速mobileNet，但是本人对tensorrt并不太熟悉，摸索了一个星期，结果也没有跑通，还想继续尝试一下，毕竟tensorrt是在gpu架构上量化加速的一个特别好的方法，值得去学习。
2,mobileNet的性质决定了其优势不在gpu上，而是cpu上。请教了一些做目标检测方面的人，他们给我建议是gpu上不要使用mobileNet，性价比不高。不如将ssd中的VGG换成resnet16或者resnet20,我觉得比较靠谱，去尝试一下。
3,其他的轻量化网络，例如peleeNet，tinyDOSD，这两者在论文中的效果都已经超过了mobileNetV2。尝试过跑了这两者的效果，时间消耗并不如mobileNet-ssd，所以我直接不打算继续跟进了。tinyDSOD的模型大小居然只有3M多，但是在tx2上时间消耗居然要60ms。
