# MSC2

**Repository Path**: anjiang2020_admin/MSC2

## Basic Information

- **Project Name**: MSC2
- **Description**: 微软班课程资料与代码建议
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 4
- **Created**: 2020-07-16
- **Last Updated**: 2022-03-15

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# MSC2

#### 介绍

微软班课程资料与代码建议

#### week7[yolov4:精度与速度的最优秀结合]
address:https://gitee.com/anjiang2020_admin/MSC2/blob/master/README.md
pipeline:
- 1. 只用计算一次就能够测到检测框
- 2. 多尺度提取特征，预测偏移量
- 3. 更深的网络，更多尺度的检测头
- 4. 将检测器一分为二:neck and head
- 5. Bag of freebies:不增加推理计算量，带来较大提升的训练技巧
- 6. Bag of Specials:增加少量推理计算，带来较大提升的训练技巧

```
   week7作业
       1. 手算或者代码算yolov4的计算量。
   建议步骤：
      1. 先搞清楚yolov4模型得前向计算：这里面CSPDarknet53如何与spp,PANet进行结合要搞清楚，确定好。这部分可以参考yolov4官方开源得代码去确定。
      2. 分别计算CSPDarkent53,sspblock,PANet block，还有检测头head得计算量。
   其它参考材料：
      1. week7/YOLO CVPR 2016PPT.pdf,yolov1得ppt,作者关于loss得几个图做得很好。
      2. week7/YoloV4-最全面ppt.pdf，yolov4得分享ppt,100多页，很用心。
      3. week7/darknet_yolov4_github_src.pdf，darknet_yolov4_github_src,代码较为复杂，耐心边看边做笔记。
      4. week7/yolov1.pdf,yolov1论文
      5. week7/yolov2_9000_1612.08242.pdf,yolov2论文
      6. week7/yolov3.pdf,yolov3论文
      7. week7/yolov4.pdf,yolov4论文
```
#### week8[场景文字检测模型:EAST]

address:https://gitee.com/anjiang2020_admin/MSC2/blob/master/README.md

pipeline:
- 0. yolov1 例子代码:https://gitee.com/anjiang2020_admin/yolo_series
- 1. EAST得输入输出以及中间过程
- 2. Output map详解
- 3. Groundtruth生成与loss
- 4. 场景文字使用得数据集库介绍




### week8作业要求

![输入图片说明](https://images.gitee.com/uploads/images/2020/0706/163031_5ef4c8ca_7401441.png "屏幕截图.png")

```
作业建议步骤以及建议代码：  

1. 数据准备（图片读取，对应的GT生成)[数据这个没有讲，所以代码直接提供，不用填空，代码位置：week8/dataset.py]  
2. EAST 模型建立[填空代码week8/model.py]  
3. loss 函数建立[填空代码week8/loss.py]  
4. 优化函数，超参数选择[填空代码week8/train.py]  
    
> 开始作业前，建议先下载 VGG 模型预训练权重 pths.zip 和数据集 ICDAR_2015.zip。  
>
>   [ICDAR_2015.zip](:https://pan.baidu.com/s/1w20qOiQzgqm3bL4l08sDcg) 密码:j3sw
>  
>
>   [pths.zip](链接:https://pan.baidu.com/s/1rVwGyb7-He-kMJKpdbEjCw) 密码:1jwf
>
> 下载后解压，将 `ICDAR_2015` 和 `pths` 文件夹放入 `week8` 目录中。 
```


#### week9[场景文字识别模型:CRNN]

address:https://gitee.com/anjiang2020_admin/MSC2/blob/master/README.md

pipeline:
- 1. CRNN代码
- 2. CRNN前向计算过程
- 3. CRNN的LOSS FUNCTION:CTC [待整理]
- 4. greedy search 与 beam search [待讲]




### week9作业要求

  - 用自己截图的10张汉字图片对CRNN模型进行微调微调训练，模型只要能识别对自己提供的10张图片即可。
```
作业建议步骤以及建议代码：  

1. 数据准备：自己随机截取10张图片。 
2. 拿到老师提供的CRNN-python代码之后，先把【 python demo.py 】 运行成功。
3. train.py 的61行和73行是数据加载代码，自己修改成读取自己的代码。


```

### week10作业要求

  - 改进模型，完成指定数字的生成。输入：随机数，one_hot(1)，输出:数字1的图片

```

作业建议步骤以及建议代码：  
    1. 在week10文件夹下的代码基础上修改。
    2. 可参考：https://blog.csdn.net/weixin_41278720/article/details/80861284

其它参考资料：
    1. CTC loss中的beam search 示例代码：week10/ctc_decode.py
    2. 详细说明：https://distill.pub/2017/ctc/#inference
    3. 代码路径：https://gist.github.com/awni/56369a90d03953e370f3964c826ed4b0
 
Author: Awni Hannun
This is an example CTC decoder written in Python. The code is
intended to be a simple example and is not designed to be
especially efficient.
The algorithm is a prefix beam search for a model trained
with the CTC loss function.
For more details checkout either of these references:
  https://distill.pub/2017/ctc/#inference
  https://arxiv.org/abs/1408.2873

```

### week11垃圾分类检测项目

  - week11项目代码讲解

```
https://gitee.com/anjiang2020_admin/MSC2/blob/master/README.md
 华为垃圾分类检测代码以及数据下载路径
 华为云：【有效期从20200903 00:00 开始 18个小时】https://open-class-0319.obs.cn-north-4.myhuaweicloud.com:443/yolo/huawei%E5%9E%83%E5%9C%BE%E5%88%86%E7%B1%BB.zip?AWSAccessKeyId=5RFRW6KVA9JXD6IYARJT&Expires=1599127198&response-content-disposition=inline&x-amz-security-token=gQpjbi1ub3J0aC00iuNR7Bu-vyQwZc_h27WTF3FO3JObvKFygVaAMtBN_gyD3et7dF1DRb25ptMLLDbo9YevqIuLGDFOCil_BkMYhixJtY0Q4k1VxbkqnBjWdSeN8lfps3nwchosQ_OiSTrF84Ij_65Hp5vA0sEoewCnIECOB9RaW-Vq358AQKGv8x5bcDbPYA9sxW17YSCn9MM38Gicp8jQuh5yOLvPoPw3PSfFlQjJnY2ksNvra7WGr9QljZTb4kHzR5KGspJo7jCkV3dNT_zNRct3qJOdRYqjOlClZyBDyKFF2WVSEsPr5AjKH9ApfC8CBNz3GqSmA6xaiMt2cN3w0TuqljpiGOZRDmz4rCF0KCoN5HWFdAKMOP70bmaWCqZBCaOZHPWwcNzE2jan5dvlgfAd1tnly4o_WRjPWtGy7igKWd0ZuITpB_mAVq0nLy_1deUmTp8sB3SRvqGwA5ea4YsSyaD9mUhuGXpvu8uG0KbFHfLzK_ZXLvpyMPrQ3WI5WHGWHyDgOniLyypS2SI1OnRDFvJZlqu52TWDWg09SJJHUCrwhUoSsnLX1-CS8-XdHVUsuUmFUdxQnTzsYGO76suSW7zfiIoQeR12FizuJkU491ceXnbflrw_jgLyYWlR7Vvt5j86QdKT5JWP_fxPVJalwxP0zSZjN7wc2n22p11Thg1sxYNzdRUybfOLw-hNT1RUKi0KOJ92PaxLsNAxa6xGCbxC0CU-GevLoiJw1hhYR7_V8xS0L95RdTGBR_i8ChXxuG3bjaUVabApIUOJINodnGyLfE9g6rEZgIQahuQCHNDeWyzyiVTp&Signature=vtzv6iUYfDJ5sbnbN6IVZae9CvA%3D
 百度网盘：链接:https://pan.baidu.com/s/1BwnHF91ncR0CquoEDAHrvg  密码:i58m

```


### week12车道线检测项目

  - week12车道线检测项目

```
deeplabv3p:
链接:https://pan.baidu.com/s/1E7464Aap8G-Vh66zuPzVUQ  密码:2sy0

FCN:
链接:https://pan.baidu.com/s/1qbZUJ7NIiqqmHlP62BXZ8g  密码:q1n7

```



### week13 车牌识别项目

  - week13 车牌识别项目

```
车牌检测+矫正+识别项目：
https://github.com/shiheyingzhe/plate_detect_corner_warp_recognize

课上讲解后的CRNN_Chinese_Characters_Rec（来自天池比赛）代码：
链接:https://pan.baidu.com/s/16nBLh79OnvGUVGjxp4Bezg  密码:zqn9

```


#### 参与贡献

1.  Fork 本仓库
2.  新建 Feat_xxx 分支
3.  提交代码
4.  新建 Pull Request


#### 码云特技

1.  使用 Readme\_XXX.md 来支持不同的语言，例如 Readme\_en.md, Readme\_zh.md
2.  码云官方博客 [blog.gitee.com](https://blog.gitee.com)
3.  你可以 [https://gitee.com/explore](https://gitee.com/explore) 这个地址来了解码云上的优秀开源项目
4.  [GVP](https://gitee.com/gvp) 全称是码云最有价值开源项目，是码云综合评定出的优秀开源项目
5.  码云官方提供的使用手册 [https://gitee.com/help](https://gitee.com/help)
6.  码云封面人物是一档用来展示码云会员风采的栏目 [https://gitee.com/gitee-stars/](https://gitee.com/gitee-stars/)