自动驾驶之项目一-城市环境的目标检测

一、项目介绍

在这个项目中，将创建一个卷积神经网络，使用Waymo的数据集来检测和分类物体。您将获得一个城市环境图像数据集，其中包含带标注的骑自行车者、行人和车辆。

首先，执行广泛的数据分析，包括标签分布的计算，样本图像的显示，并检查对象遮挡。

                           来自Waymo数据集的夜间图像示例，带有针对车辆和行人的标注

使用此分析决定哪些增强对该项目有意义；然后，训练一个神经网络来检测和分类对象。

使用TensorBoard监控训练，并决定何时结束。最后，尝试使用不同的超参数来提高模型的性能。

这个项目将包括使用TensorFlow对象检测API（TensorFlow Object Detection API），在此可以部署模型来获得对发送到API的图像的预测；还会提供相关代码，用于创建模型预测的短视频。

二、环境配置

建立项目

本地设置：使用以下的说明来创建Docker容器，使用本地GPU，或者在云提供商的GPU实例上创建一个类似的环境。

项目文件

首先，从相关的Github存储库获取项目文件 （https://github.com/udacity/nd013-c1-vision-starter）
。

Docker安装

对于本地安装，如果你有自己的Nvidia GPU，可以在starter代码的构建目录中使用提供的Dockerfile和需求。

下面的说明也包含在starter代码的构建（Build）目录中。

需求

• 安装了最新驱动程序的NVIDIA GPU
• Docker / nvidia-docker

构建（Build）

使用以下指令:

docker build -t project-dev -f Dockerfile .

创建一个容器:

docker run --gpus all -v <PATH TO LOCAL PROJECT FOLDER>:/app/project/ --network=host -ti project-dev bash

以及对系统有用的任何其他标志(例如，——shm-size)。

设置

一旦进入容器，需要安装gsutil，通过运行:

Curl https://sdk.cloud.google.com | bash

一旦安装了gsutil并将其添加到您的路径中，可以使用以下命令进行验证:

gcloud auth login

调试（Debug）

• 如果在安装TF对象检测API（TF Object Detection API.）时遇到任何问题，请遵循本教程Installation — TensorFlow 2 Object Detection API tutorial documentation。

三、项目说明

城市环境中的目标检测（GitHub - udacity/nd013-c1-vi