简单的目标检测与分析
最近才参加完中兴的捧月比赛，感觉一开始该公司水分较大，让参赛者自己制作数据集，并且制作的数据集作为比赛最后的评审得分之一（对此有啥看法，你们懂得-----不就是想通过比赛得到大量数据，这可是大数据的时代！）。最后，因为引起了很多参赛者的抗议，最后不提供自己制作的数据集，并且中兴提供测试数据集，感觉这也还是不错的，但是有一点不公平的地方其实已经体现出来，那就是那个才赛队伍的数据集多，可能胜率会高一些，深度学习的你大概能够理解原因！
今天主要我是来说说我第一天做的小成果，也就是比赛刚刚开始做的一下小demo，感觉节奏很对，结果还凑合，所以和团队进行了进一步的改进和优化。
刚拿到题目，很懵。。。因为自己做数据集，我在想公司这么不给力，自己提供数据集，比赛的天平已经开始倾斜，于是乎，我从一些公共数据集中抽取了部分数据，做了个小小的实验。
下面就来看看小实验的过程和效果吧！
给出一点小数据，是不是很简单的数据。因为要求是去检测帽子，眼镜和口罩。
局部代码：
layer detection_layer(int batch, int inputs, int n, int side, int classes, int coords, int rescore)
{
detection_layer l = {0};
l.type = DETECTION;
l.n = n;
l.batch = batch;
l.inputs = inputs;
l.classes = classes;
l.coords = coords;
l.rescore = rescore;
...............................
其中因为不用做人脸的检测，只是做一些遮挡的检测和性别的检测，所以难度有所减低。
之前有介绍一些相关的人脸检测与检测过程遇到的问题，现在针对的就是遮挡问题，已经将问题缩小到一个点了，所以难度不会很高！
我只给出一点刚开始的小思路，后期当然不是这样进行的，嘿嘿！
针对遮挡，可以引入显著性结合稀疏编码，但是这个效率很慢，所以.............其实有很多更好的解决办法，看你们自己怎么去做了！O(∩_∩)O
IOU: 0.893009, Class: 0.999977, Obj: 0.888647, Avg Recall: 1.000000
IOU: 0.897721, Class: 0.999971, Obj: 0.856361, Avg Recall: 1.000000
IOU: 0.834439, Class: 0.999979, Obj: 0.870317, Avg Recall: 1.000000
..................................
最后效果还可以！过段时间我把改进的代码放到我的Github上，供大家参考学习，一起交流，怎么进一步改进！
最后给出我一开始的效果图吧！
自己找了一些简单的结果展示下，效果一般般吧！请相关领域的您能给出一些更好的意见和想法，让我学习更多，谢谢！
想这个就是性别分类错误，经过多次试验，发现发型对性别分类很重要，还有别的特征就不多说了！
测试结果可视化，因为有些没有更多的标签，是因为，试验参数选择和输出做了一些改变，主要是为了通过实验来分析不同的分类主要取决于什么，通过这次比赛，也学习了很多，成长了很多，也让我知道了更多领域需要去探讨，更多的实际等着我们去解决，所以，现在开始，让我们一起努力，继续做出更好的创新，加油！