[OKR]2020年5月份

4月份实现了YOLO_v1算法,学习新的模型ResNet/GoogLeNet/SqueezeNet/DenseNet/SSD,同时小结了评估标准,包括mAP/Flops/Params Size/FPS/Top-k accuracy

本周学习了如何寻找最优学习率/权重衰减,以及进行warmup+CosineAnnearling加速模型训练,同时加强了数据预处理,包括随机擦除/颜色抖动/Ten Crops测试等

本周继续SSD算法的学习和实现,同时开始新模型和训练方法的学习。本月期待完成新工作的寻找

目标及关键结果

  • OKR当前的状态
    • 目标:找到图像相关的研发工作
    • 关键结果:SSD实现(6/10)
    • 关键结果:Faster R-CNN实现(6/10)
    • 关键结果:YOLO_v2实现(5/10)

04-10

  • 本周关注的任务
    • P1SSD算法实现
    • P2DenseNet小结
  • 未来四周的计划
    • PyNet整理
    • 文档整理
    • Xception实现
    • MobileNet/ShuffleNet实现
  • 状态指标
    • 论文学习
    • 算法实现

11-17

上周完成了ResNet系列和DesNet模型的比对测试。从Github中检索了SSD算法实现并进行解析学习。本周继续完成SSD算法学习

  • 本周关注的任务
    • P1SSD算法实现
    • P2:小结目标检测框架
  • 未来四周的计划
    • PyNet整理
    • 文档整理
    • Xception实现
    • MobileNet/ShuffleNet实现
  • 状态指标
    • 论文学习
    • 算法实现

18-24

上周完成了SSD算法的训练和目标检测训练框架的解析,同时整理了前一段时间的文档。本周继续Faster R-CNN的实现以及框架maskrcnn-benchmark的研究

  • 本周关注的任务
    • P1Faster R-CNN算法实现
    • P2maskrcnn-benchmark框架学习
  • 未来四周的计划
    • YOLO_v2实现
    • Xception实现
    • MobileNet/ShuffleNet实现
  • 状态指标
    • 论文学习
    • 算法实现

25-31

上周完成了Faster R-CNN算法的学习以及RPN算法的实现。本周完成RPN算法的整理以及Faster R-CNN的小结,学习和使用COCO数据集以及cocoapi,同时开始YoLo_v2算法的学习

  • 本周关注的任务
    • P1RPN算法实现
    • P1cocoapi使用
    • P2YoLo_v2算法学习
  • 未来四周的计划
    • RetinaNet实现
    • YoLo_v3实现
  • 状态指标
    • 论文学习
    • 算法实现
坚持原创技术分享,您的支持将鼓励我继续创作!