开发日志记录

#ZouJiu
8月20号：确定需要做的事情是开发天池-街景字符识别，写出训练测试代码，并整理文档和notebook；理解题目并写图片数据统计和数据整理代码

8月21号：确定基于这个项目开发https://github.com/eriklindernoren/PyTorch-YOLOv3；理清整体代码的流程，
写出将数据和label转为VOC格式的代码，调节参数跑通训练代码，将代码和数据放到有GPU的服务器上跑，但服务器环境版本太高，代码运行报了很多版本错误

8月24到28号
8月24号：调试yolov3代码，开始训练yolov3模型；人脸数据不全，理清并初步理解杨老师给的代码的运行流程和作用，跑通face_attention_network代码

8月25号：下载yolov3训练到30个epoch的模型，并跑通测试及可视化代码，优化预测结果根据IOU去掉部分框，写好比赛生成提交文件的代码；跑通带口罩人脸预处理代码

8月27号：跑通口罩人脸识别训练代码，测试yolov3训练到103个epoch的模型，得到测试结果,写给人脸带口罩的代码，跑通训练代码

8月28号：处理数据生成戴口罩人脸，加入FPN网络，调整网络结构，使用retinanet_CBAM作为网络架构，加入face_attention loss，开始训练模型

8月31号：写人脸compare、batch_validation以及生成pairs文件，修改天池街景字符识别GitHub中的README.MD

9月1号：整合相应代码，修改天池街景字符识别和人脸识别的README，保存ROC曲线图片

9月2号：可视化V1、V2网络的FPN层特征图以及V3的最后一层卷积层，调整人脸向量对比代码

9月3号：修改网络结构，增加l2_norm模块，对输出向量二范数归一化，增加输出的缩放因子α，设定α=50，# https://arxiv.org/pdf/1703.09507.pdf

增加学习率调整模块，不同阶段的epoch使用的学习率不同，修改并跑通验证代码validation_LFW.py

9月4号：调整网络结构，增加非LFW数据集验证测试代码

9月7号：整理代码以及数据集，改写face_attention提取网络层

9月8号：增加对照网络模型并训练基准模型，训练改写face_attention提取网络层以后的网络,调研车牌识别内容

9月9号：CCPD数据集预处理，得到三个训练阶段的训练数据，写检测车牌角点的深度学习网络开始训练yolov5车牌检测器

9月10号：跑通写好的车牌角点检测网络，并开始训练模型，测试训练好的yolov5车牌检测模型