AI-CAMP三期实践项目：AIS - 气瓶瓶帽检测

[wingtofly]

项目信息:
小组成员:王旭
项目现状:
需要重点考虑的问题:数据集划分和
研究计划细化目标:
评价指标/结果:

• 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

[wingtofly]

• 实验1: 对原始数据进行分析 : 需要进行的操作包括: 上传数据集, 图例查看、数据质检查看与分析, 下一步计划/Actions
  • 注：请在实验贴中记录相关数据在ais的路径和数据名称，方便后续查看
    https://hh-d.brainpp.cn/ais/megvii-face/automaticLearning/version/135302144659990/135302144659991?taskName=bottleCapTrain&versionName=v1&lang=zh_CN

[wingtofly]

• 实验1: 对原始数据进行分析 : 需要进行的操作包括: 上传数据集, 图例查看、数据质检查看与分析, 下一步计划/Actions

实验一：baseline实验
## Motivation:
验证在原始数据（不进行任何处理），并且使用AIS平台提供的训验对划分的方式（各一半），在AIS 平台上自动学习。
## 结论：

## 设置：
采取默认设置，作为baseline
## 指标/结果：
recall@precision0.9@iou_threhold0.3 0.7373
## 分析：对正确、错误识别case进行分析（统计、可视化）
## 下一步计划/Actions：
1. 对数据进行预处理（去掉低质量图片和相似图片）
2.使用网络爬虫，爬取更多数据

• 注：请在实验贴中记录相关数据在ais的路径和数据名称，方便后续查看
  https://hh-d.brainpp.cn/ais/megvii-face/automaticLearning/version/135302144659990/135302144659991?taskName=bottleCapTrain&versionName=v1&lang=zh_CN

[wingtofly]

1. 原始数据分析与检查
   （1）上传数据集, 图例查看、数据质检查看与分析
   （2）数据分析结果：https://hh-d.brainpp.cn/ais/megvii-face/dataset/Project/61076225f9af3ede6179459e/61076225f9af3ede6179459c?lang=zh_CN

2. 结果图展示：

   

3. 实验记录
   

   

[wingtofly]

2021/8/23

误检

误检总数量：43

背景误检测

位置不准检测

重复误检

漏检

漏检总数量：

与颜色相关

二维图片

密集

遮挡

小目标

简单分析以及计划

从误检图片来看，重复误检和位置不准检测一般都是密集图片；背景误检测占比较大，简单来看，貌似模型没有学会什么是气瓶瓶帽，只学到了轮廓。所以，是不是可以增加正样本的数量来迭代？
从漏检图片来看，有各种颜色气瓶瓶帽未被检出。

[wingtofly]

补充帖子中缺失部分

漏检补充

• 漏检数量

AIS 系统中显示漏检数量为47，逐张查看发现有10张重复（不确定是显示还是测试集本身有重复数据；AIS 中图片的id一致（例如：29141046,1898000e9581b36）

*漏检结果分析
从漏检结果来看，应该检出但是没有检出的测试数据中，不同与蓝色的其他颜色出现的概率较大（黄色，黑色，银色等），所以可以考虑增加其他颜色的正样本加入训练集。