AIA曾明杰2201智实

10.17测试结果： 同时使用官方提供的baseline和yolov5两条技术路线，其中yolov5路线率先达到0.9正确率（2022.10.17，7：00结果：91.54%），目前天池长期赛排名165，昵称：aliyun9779476569
yolov5pipeline：
使用readjson处理赛事提供的数据成yolov5支持的格式
使用training.txt的训练命令（即yolov5文件里的train.py
使用training.txt中的测试命令（即yolov5文件里的detect.py
使用out.py将输出数据格式化成赛事提交的格式
注意事项：batchsize不能调太大，不仅占用显存大还延缓模型收敛速度
注意事项：有三个.yaml应当更改，--cfg，--data，--hyp，其中前两个为了改识别物体类别，最后是把图像水平翻转的图像增强去掉

baseline-pipeline
main.py函数 （因验证集正确率不理想故没有继续往下做输出）

ps:其余未作标注的文件是做baseline和fasterRCNN时留下的源码

详细过程：
10.15早上8点收到测试要求，得知信息：街景字符检测，初步想法：图像检测0-9，按水平坐标拼接起来。
中午：得到两个技术方向，一个是yolov5为基础的图像检测模型，一个是自己写以torchvision的fasterrcnn为基础的图像检测
晚上：尝试写数据读入和训练，因dataset不支持不定长的getitem且engine中train_one_epoch 运行出错而不知如何修改而终止，后尝试yolov5（此时关键参数：img320，batch64）并调整--data和--cfg进行训练）
10.16早：训练完成，输出识别并上传，62.5正确率（现在分析应该是推理的时候选的参数文件选错了，因为那个时候的验证集正确率有80）
中午：发现天池官方提供了baseline，是以图像识别为基础（resnet18）做的，且长度更小的字符串识别（以X代指没有这个数字）。按照baseline在验证集得到了56%正确率
下午：参照各种方法（如减少输出字符串长度为4，提高网络复杂度，增加标签平滑，增加dropout层抑制过拟合），最终将正确率提高到64%，判断此方法可能无法在测试结束前优化到90%正确率
晚上：查阅yolov5训练数据案例，发现有--img默认的（640），没有--cache的，--batch=3，测试了10epoch发现img默认效果良好（现在分析可能是由于图像变大显存放不下，于是将batch从64改成16，反而batch应该是效果最明显的超参数）上传得到的成绩为87.4%。尔后测试25epoch，几个loss下降得很明显，最终成绩是89.74%.最后通宵测试40epoch，同时在--hyp把图像水平翻转去掉了，达到91.4%正确率，正式收工。