写在前面
这是某个渣渣本科生的答辩记录，借鉴陈同学的，有需要的同学自取~，先给大家一些文件吧
源码(带数据集)：https://pan.baidu.com/s/1zzo_tNBvnAsQBqU1LCARhg
提取码：p9ny
ppt：https://pan.baidu.com/s/169lSpuN-YipiOwXr5I3wOw
提取码：urhw
渣渣辉的本科论文：https://download.csdn.net/download/callmeCassie/18888661
1.自我介绍
简要介绍姓名，指导老师，论文题目，然后这张ppt就直接过了，我看有些人还讲了感谢各位老师百忙之中balabala讲了一大串，看你答辩顺序吧，越到后面，老师基本不想听这些话，反正我是很反感。。。
2.目录
一般答辩时间应该是控制在7分钟到10分钟左右吧，目录这里的话建议还是不用讲，直接给评委看就行，反正后面也有大标题会讲，而且这里把目录说出来又浪费时间又有点空洞。
3.研究背景
这里就直接按照ppt里面文字讲就行，记得后面答辩老师问我的选题意义，就是把没戴口罩的人标注出来并提醒他。
4.技术分析
物体检测算法：
目前物体检测算法有以下三种：第一种是传统物体检测算法，使用人工设计特征以及机器学习的分类方式，但这种算法提取到的特征局限性较大且学习速度有限；第二种是结合候选框+深度学习分类法，这类Two-Stage方法解决了前者的问题，在精度上有很大突破，但在速度上很难达到实时检测的效果；第三种是基于深度学习的回归方法，在速度上达到了实时级别的突破，本文使用的YOLO就是属于One-stage，YOLO虽然在v1,v2版本准确率上有所欠缺，但到v3版本时准确率提高了很多。
YOLOv3分析：
YOLOv3网络由两部分构成，特征提取主干网Darknet-53与特征交互网络YOLO层。
Darknet-53是一个全卷积的结构，可以看到这边共有5个步长为2的卷积层，一共进行了5次下采样，每一次下采样都能提取到更高维度的特征。在每两个卷积层之后加入残差层，解决梯度爆炸与梯度消失问题。
再来看看YOLO层，它之所以被称为特征交互，实际上是因为YOLO层取前面5次下采样的后三次，将高阶的特征通过上采样的方式叠加在较低阶的特征上，让低阶特征获得其高阶特征的信息，从而更容易在上面检测微小物体。
模型对比：
为了确实得出YOLOv3在本次选题背景下的全面性，本文对比了一些跟它相似的模型
如表是在检测同样的100张测试图片下的对比，虽然ResNet50的速度只有12.7s，但是准确率是62.29%，相比于YOLOv3是比较低的，存在很多误检情况
YOLOv3-tiny是YOLOv3的简化版本，速度快，但精度低，只有33.19%，下面是YOLOv3和tiny在识别目标的表现，右边是tiny的检测结果，可以看到tiny基本识别不出。这是因为它的主干网络只有7层，无法提取出更高层次的语义特征。
我们看下YOLOv3，虽然速度相对于另外两个速度非常慢，但是检测一张图片是不到1s的时间的，这样的速度我们是可以接受的，因为它的准确率是比较高的，不容易出现误检的情况，所以在选择模型的时候，选择的还是准确率较高的YOLOv3。
5.本文核心工作
准备数据集：
首先是数据集的获取，本次采用的数据集来自多个方面，整合了网络上比较散的数据集，戴口罩是部分数据集，没戴口罩是另外一些数据集，由于数据集来自各个方面，且xml内容不符合本次训练，所以需要使用标注工具重新对所有照片进行标注。
下载labelImg工具，运行labelImg.py出现以下界面即为标注界面，将上一步获取到的图片进行标注，将整个脸部作为目标框标注出位置，并写入相应的数据标签hava_mask或者no_mask。
数据集处理按照ppt讲就行，物体类别加入“由于在存放图片时会有序的将两类图片分开，但是这样的顺序直接训练模型效果是不好的，所以在代码中需要随机打乱数据集进行训练"。
k-means聚类算法
左图是kmeans的具体算法，用来生成合适的先验框，
实际上，聚类的目的是先验框和真实框有更大的IOU值，IOU指的是先验框和真实框之间的交并比
最理想的情况下是IOU为1时，即先验框和真实框完全重叠，此时两者之间距离最小，聚类效果最好
k-means拿到数据里所有的目标框，得到所有的宽和高，在这里面随机取得9个随机中心，之后以9个点为中心得到9个族，不断计算其他点到中点的距离调整每个点所归属的族和中心，直到9个中心不再变即可。这9个中心的x，y就是整个数据的9个合适的anchors框的宽和高。
训练模型
有了数据集和合适的先验框后，开始训练模型了。
这是模型训练时输出的信息，这里有个重要的信息loss,loss能够反应模型的学习程度,loss下降幅度大，说明网络在正常学习，下降幅度变小，说明网络训练得差不多了
在每次迭代后都会输出模型权重文件，文件的命名使用loss和val_loss,这样方便后续查找比较好的模型
评估模型
训练完后需要对模型进行一个评估，由于keras没有实现对检测模型的评估代码，所以需要额外地引入mAP来评估模型的准确率，如图取的是loss值为15的模型，AP达到76.49%，准确率和召回率都是比较高的，如果都比较低的话就需要考虑对模型进行一个优化
模型优化
本文从以下两个方面，对模型进行优化
第一方面：反复实验先验框的尺寸和数量，右图是部分先验框数据，实际训练通过不断地修改先验框尺寸从而找到恰当的先验框，来加快训练收敛速度
第二方面：参数调整，通过控制变量法调整参数，包括学习率，epoch,batch-size等
这是通过调整学习率来优化模型，通过反复实验发现学习率为0.001的时候效果是比较好的。loss最终在12左右
另外尝试加入函数ReduceLROnPlateau来调整学习率，这个函数是用来监测某个指标的，本文通过监测loss值，
当指标不再提升时，减少学习率。当学习停滞时，减少2倍或10倍的学习率以此获得更好的效果。
具体流程
所以整个实现过程是这样的：
将训练的图片输入训练模块，训练后将网络的权重保存起来，便于预测与再次训练使用。
预测模块通过读取模型的网络权重，对输入的测试图片或视频进行预测，最终输出带有预测标注的图片或视频。
6.成果展示
这里可以演示一下自己的项目，答辩前准备好。
7.总结与展望
通过对比多个模型，YOLOv3在准确率和速度上相对较优秀，确定了YOLOv3为基础框架后开始训练模型，选取合适的先验框能够加快训练收敛速度，通过增加迭代次数，调整学习率等方式不断尝试以获取最优的模型
接下来是两个展望：
在成果展示的时候可以看到在检测密集和多角度的场景下，漏检情况会比较明显，所以在人脸识别和先验框选取的算法上还有待改进
第二个展望：目前只是通过笔记本调用自身摄像头进行的一个实时检测，希望后续有能力的情况下实现能在移动端和嵌入式系统中使用。
评审老师给的意见：
1.论文中对实验叙述太少，建议增加
2.建议对系统加个报警功能啥的
3.数据集1000多张还是太少，建议多增加些数据集
最后吐槽
临毕业真的好多繁杂事，又因为疫情没办法回学校，论文，一些毕业资料都得邮寄过去，又要搞什么实习协议，就业协议烦得要命(就业协议好像也不能保障学生的权益，公司反悔你拿这个协议也没多大用，纯粹就是学校为了保障就业率，还使劲地催你去完成。。。)
对了，选对指导老师真的很重要！！！我的指导老师就超牛逼！！！既腻害又负责仁，哈哈哈哈哈~~~