zerone-fg / mobilenet

颜色分类

dataset

分为13类，分别为：
ColorList = ["银", "黑", "绿", "橙", "白", "灰", "红", "蓝", "紫", "黄", "金", "棕", "咖啡"]
数据集大小约为10000张，按照8：1：1划分训练集，验证集，测试集

分类结果

若不对图像进行裁剪：

模型	准确率
VGG19	96
mobilenet-v3	91.1

若对图像进行裁剪（只留下目标车辆部分）：

mobilenetv3结果为：93.3

朝向分类

dataset

分为8个朝向，分别为：
DirectList = ['侧前45度车头向右水平', '侧前45度车头向左水平', '侧后45度车头向右水平', '侧后45度车头向左水平', '正侧车头向右水平', '正侧车头向左水平', '正前水平','正后水平']
数据集大小约为10000张，按照8：1：1划分训练集，验证集，测试集

分类结果

若不对图像进行裁剪：

模型	准确率
VGG19	99.45
mobilenet-v3	98.9

若对图像进行裁剪（只留下目标车辆部分）：

mobilenetv3结果为：99.15

检测辅助

dataset

• 整车外观
  主要包括：
  1.'侧前45度车头向右水平'
  2.'侧前45度车头向左水平'
  3.'侧后45度车头向右水平'
  4.'侧后45度车头向左水平'
  5.'正侧车头向右水平'
  6.'正侧车头向左水平'
  7.'正前水平'
  8.'正后水平'
  9.'凡是大于2/3整车的都算作整车'（手动筛选）
• 局部
  外观中除整车以外的都为局部
• 内饰
  座椅，方向盘，中控，仪表盘，档位，出风口，（引擎盖，后备箱，油盖打开的）都算内饰
  数据集约为15000张，三种label的数量约为1：1：1，数据集按照8：1：1划分

分类结果

模型	准确率
VGG19	98
mobilenet-v3	96.7

#后续将transform进行了改进 现在在经过裁剪之后的数据集上mobilenet上表现：朝向的精度为99.3，颜色的精度为97.9