【AI-CAMP三期实践项目：AIS - 条烟检测】

[liuxu04]

项目信息

• 项目名称：条烟检测
• 目标
  • 积极使用AIS平台提供的各项功能，以发现、分析并解决问题，并对AIS平台提出改进建议
  • 算法指标: Precision和Recall达到90%
  • 封装算法仓: 输入图片，输出检测结果
• 定义：
• 真实价值：
• 相关wiki链接/文档/code：
  • https://codimd.iap.wh-a.brainpp.cn/ldeURO4BSmGgeHH8mY03-A

示例图片

小组成员

@刘旭
@吕梦琪

项目现状

• 等待数据采集和标注完成

需要重点考虑问题

• AIS平台自动学习能否达到算法指标要求

研究计划细化目标

1. 采集/标注数据，验收数据
2. 扩充数据/数据增强（1周）
3. 转换数据格式并上传到AIS数据集（1周）
4. AIS自动学习训练，发现、分析并解决问题，提出改进建议（2周）
5. 算法仓封装，测试（1周）

评价指标/结果

• 算法指标: Precision和Recall达到90%

[liuxu04]

条烟数据集（已标注）：
数据量：4740
地址：s3://data-for-ais/cylinder-cap/data/labeled/carton_cigarettes_20210701.sds

[liuxu04]

1. 数据集已导入AIS系统:
   https://hh-d.brainpp.cn/ais/megvii-face/dataset/Project/6108d7a5f9af3ede617af293/6108d7a5f9af3ede617af291?lang=zh_CN

通过AIS的数据集可视化页面，发现有很多图片与条烟检测无关：

无论怎样，先训练一把试下。。

2. 创建了一个训练对，训练集与测试集按8:2随机划分
3. 创建自动学习任务，选择简单模式，4个算法，4小时，评测指标recall@precision 0.9，iou 0.3

等待结果中。。

[liuxu04]

第一次自动学习训练结果：模型得分0.35311
训练时长:4小时，训练指标:recall@precision0.9 iou0.3

[liuxu04]

第二次尝试自动学习，还是简单模式4个算法相同指标，选择了更长的学习时间16个小时，但是实际6个多小时就结束了。
最终结果0.3759，只涨了0.02个点。

[liuxu04]

把数据导出手动清洗了一遍数据集，删除了不相关的图片

清洗后数据集数量为2099

重新导入数据集到到AIS：https://hh-d.brainpp.cn/ais/megvii-face/dataset/Project/6128982ae8dfe090692641e6/6128982ae8dfe090692641e4?lang=zh_CN
创建训练对，划分比例(8：2) https://hh-d.brainpp.cn/ais/megvii-face/trainValidation/61289e8fe8dfe09069264a1c/61289e8fe8dfe09069264a1d?lang=zh_CN

[liuxu04]

清洗数据后重新训练，相同指标分数提升到0.527

[liuxu04]

前面使用自动划分的训练对得到的分数并不好，于是尝试手动划分训练集与测试集，测试集多选中一些真实的图片，去除了掉渲染图和烟草店这样的特殊图片，希望测试集能更贴近真实场景。