Small object fast detection

Link:

最近一段的工作，主要是限定部分类别（类别不要太多）的快速检测，总算有点结果了。

用于替代自己之前上一版DL检测模型，当时预期的目标是：

1. 比老版更快，720p分辨率上要 > 35FPS (1080Ti上)
2. 能够保持和老版一致的小目标检测能力 > 16x16像素
3. 保持检测精度 0.5 overlap F1 > 0.7
4. 更好的泛化
5. 更加方便的训练
6. 更加灵活的架构

新版都达到了预期目标：

1. 速度上： 1280x720分辨率，单纯前向推理，300FPS，硬件是1080Ti，加上后续处理获得Rect是60FPS，后续处理都是Python的for循环，拖慢了速度，换成向量化操作应该会更快点。我不确定Pytorch的forward是不是完全同步执行的，如果不是，那么300FPS+的指标就不再可靠。
2. 小目标检测能力上：使用的红绿灯数据，目前都是1n x n像素的大量检出，窄的目标我看了下，有5、6像素宽，也是超出之前的预期目标了。
3. 精度上：我测试了两个私有的数据集（1. 红绿灯、2. 行人车辆，分别是针对两个任务不同的网络结构，但是基本类似），F1 > 0.8， 公有数据集有一个Udacity的训练了，但是测试代码感觉有问题，虽然也 0.8+但是没有什么说服力。
4. 泛化没有实际测试的数据，只是单纯跑了几个完全无关的视频，视频的曝光都不一致，结果在感官上是超出预期的，但是应该是有比较显著的下降。
5. 训练已经比之前更加方便了，两天内我已经测了三个不同的数据集，基本都是简单调整一下就可以开始收敛。
6. 架构灵活性目前也没有问题了，可以随时替换backbone，目前的都是torchvision自带的resnet18。老版本相对来说要麻烦不少。

运行速度
300Hz（forward）, 60Hz(包括后处理) [后处理代码待优化]

小目标
1n x n像素的目标可大量检出

精度(F1 value of 0.5 overlap)
红绿灯数据集合 0.8+
行人、车辆集合 0.8+

这两天盯屏幕盯的眼睛疼……

结果视频，测试集，类别我懒得对了，应该就是 红、黄、绿、关。我没把原始结果去重，评测的时候我用Opencv的groupRectangle去重了，简单粗暴。

https://www.zhihu.com/video/1012712214515392512