钢筋数量AI识别（Detect_Steel_Number: DCIC）baseline达0.98+

简介：
Detect_Steel_Number: DCIC是一款高性能的钢筋数量自动识别系统，其基准线准确率已达0.98以上，有效提升建筑行业的效率与准确性。 比赛所需的环境依赖Ubuntu操作系统，并且需要Python3、TensorFlow、Keras、skimage、opencv-python、numpy、pandas以及matplotlib等库的支持。 在模型选择方面，我尝试了多种检测/分割模型，包括RetinaNet、Faster R-CNN、FPN和Mask R-CNN。其中，Mask R-CNN的表现最佳，得分为0.980。据Kaggle上的信息显示，使用U-Net全卷积网络进行语义分割可能效果更佳，但目前尚未尝试。 关于预训练模型的选择，在后期参考了其他参赛者的建议后发现选用COCO数据集的预训练模型较为理想。 在优化器方面，起初我选择了默认的SGD（随机梯度下降）优化器。然而，在进行到第60个epoch时，切换为使用Adam优化器，并且我发现当使用Adam优化器进行训练时，模型会更快地达到局部最小值。