记录 day1
今天报名参加了一个水下目标检测比赛，数据集大概长这个样子：
就在这里记录一下每天的心得吧（因为自己比较菜所以就匿名啦）
（一）数据及分析：
数据的话大概就是上面这样子，有几个问题：
- 水下图片比较模糊，而且有的图片是运动时拍摄：
- 样本存在分布不均衡的问题，如图：
- 存在一些错误标注和噪声区域（图像为1080×1960大小）：
- 大量目标为小目标，anchor 的大小较为集中，导致偶尔的大目标在训练时容易忽略；
（二）图像预处理：
由于水下拍摄的图像很不清晰，我们需要预处理一下；
现在水下图像去模糊已经研究的比较成熟，但是由于这个比赛的评审最终需要同时考虑精度和速度，我们需要一种高效的处理方式，这里使用了多尺度 retinex 图像增强算法：
上图为处理前，下图为处理后；
（三）网络框架选择：
由于我自己的电脑配置不是很高，所以选取目标检测网络框架主要集中在轻量级检测网络；
一开始想用 ThunderNet 来着，结果官方没有开放源码，Github 上的复现代码被反映有 Bug（自己训练确实也收敛不了），所以现在先做一个 Baseline 吧；
选取的是 Faster-rcnn 框架，使用 MobileNetV2 做 Backbone（为什么不用 V3 呢？因为没有预训练模型，，，），加了一个类似 ThunderNet 中的上下文增强模块（Context Enhancement Module）并额外增加了一个小的 anchor size；
（四）解决样本不均衡问题：
这是个大问题，导致一开始训练的模型是这样的：
（这么大只海参看不见吗，，，）
（黑乎乎的一律认为是海胆）
只能识别海胆，其他的一概不认识（白白浪费一次提交机会）；
为了解决这个问题，用了两个方案：
- 使用了何恺明大佬团队提出了 Focal Loss（不过好像这是针对 one-stage 正负样本不均衡提出的，所以实测用处不是很大）；
- 先在较为均衡分布的样本上训练，即先去掉只有海胆的图（去掉也不剩多少了，，，）；
这样改进的网络正在训练中~
祝我自己好运~
