paddle - crowdHuman数据集训练人体识别模型

最新推荐文章于 2025-04-01 21:17:50 发布

fantasysolo

最新推荐文章于 2025-04-01 21:17:50 发布

阅读量1.9k

点赞数 1

分类专栏：机器学习

本文链接：https://blog.youkuaiyun.com/fantasysolo/article/details/107606635

版权

本文介绍如何利用PaddlePaddle YOLOv3模型，将CrowdHuman数据集的ODGT文件转换为适应Paddle的XML格式。在转换过程中，详细解析了ODGT文件内容，并针对遮挡、分辨率等问题进行了数据过滤和调整，以优化训练效果。最终模型在验证集上达到约85%的准确率，但发现模型对小目标检测的精度受限于输入图像分辨率的选择。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

数据集annotation

使用paddle paddle yolo v3的模型，将这个数据集的json内容转换为xml格式。

crowdhuman的odgt文件各项意义

参考官网：http://www.crowdhuman.org/download.html
但说得并不明确，这里对照图片总结了一下：

JSON{
    "ID" : image_filename,  ---> filename
    "gtboxes" : [gtbox],  ---> gtbox框列表
}

gtbox{
    "tag" : "person" or "mask",  ---> mask表示是人群，或者反光，或者像人的东西，需要被忽略的数据，此时extra中的ignore = 1
    "vbox": [x, y, w, h], ---> visible box,可看见的部分的检测框，框坐标为左上角x,y + weight, height
    "fbox": [x, y, w, h], ---> full box,预测的全部的检测框，当extra的occ == 0时, 这个值和vbox相等
    "hbox": [x, y, w, h], ---> head box,预测头的部分的检测框
    "extra" : extra, ---> person额外描述
    "head_attr" : head_attr, ---> head额外描述
}

extra{ ---> 内容均为可选项
    "ignore": 0 o

最低0.47元/天解锁文章