走马观碑的图像识别

简 介：本文反映了参加"走马观碑"比赛的选手在图像识别环节遇到的技术困境。团队使用龙芯2k0300处理器和低分辨率摄像头，被迫将神经网络压缩到仅有几千参数的微型模型，却要应对2300种目标板样式和复杂背景干扰的题库。这种硬件限制导致模型准确率难以提升，车辆被迫降速运行，严重影响了比赛应有的竞速体验。选手们建议适当缩减题库规模或降低背景复杂度，让比赛重心回归到底盘控制和速度比拼上，而非过度聚焦于图像识别。同时指出，在小规模数据集上模型表现良好，但面对50万张大数据集时误判率显著上升，进一步佐证了当前赛题与硬件配置之间的不匹配问题。

关键词：智能车竞赛，走马观碑

01【走马观碑中的图像识别】

卓老师您好， 我是今年参加“走马观碑”组别的选手。

这几个月为了备赛， 我们团队实拍了 20 多万张数据集去训练， 一直在努力死磕视觉方案。 但在实车联调后， 我们发现目前的赛题难度和咱们这组的硬件配置之间， 跨度确实非常大。 所以想以参赛学生的视角， 跟老师们反映一下我们在底层开发时遇到的真实痛点。

我们使用的是龙芯2k0300加上 320乘以240 分辨率的摄像头。 为了保证车辆跑起来能有最基本的处理帧率， 我们不得不把神经网络压缩到了极致， 目前模型的参数只能控制在“几千”的级别， 模型的“脑容量”确实非常小。

但目前的真实题库是： 可能出现的目标板样式高达 2300 种， 而且里面还包含了大量带有复杂背景的干扰板。

这就让我们遇到了一个非常艰难的瓶颈：

在 320*240 的模糊画质下， 想要用一个只有几千参数的微型模型， 去硬扛 2300 种包含复杂背景的混合题库， 并从中提取出 3 大类的特征。 我们实测下来，模型很容易陷入随机乱猜的状态， 准确率很难提升。

我们知道，也许比赛中会有技术特别拔尖的顶尖队伍能突破这个限制， 但对于我们绝大多数队伍而言， 这确实远超了大家常规的工程优化能力。

更让我们迷茫的是， 大家来参加智能“车”比赛， 初衷都是为了比拼底盘控制和竞速跑图。 但现在为了提高一点点可怜的识别率， 车子只能被迫降速到像乌龟一样在赛道上“蠕动”； 一旦稍微提点速，单核 CPU 处理不过来， 直接漏报罚时。 这让比赛完全失去了“跑起来”的竞速体验。

听说其他组别结合实际情况， 已经对相关规则做了合理的优化。 因此，我们真诚地请求老师们结合 1GHz 单核的真实算力， 对题库难度进行适当的“减负”：

我们不求降低“3大类”的分类要求， 只求能适当缩减这 2300 种样式的绝对基数， 或者考虑减少那些带有复杂背景的干扰板。

恳请老师们给几千参数的轻量化小模型留一点处理空间， 让比赛的重心能够更多地回归到“比拼车速与底层控制”的竞速初衷上， 而不是让大部分队伍把时间和精力都卡死在图像识别上。 希望能得到老师们的理解， 听听一线学生的真实反馈。

卓老师，我们通过实测， 在训练数据集数量只有4万张的情况下， 该轻量化小分类模型可以比较准确的识别准所训练的图片。 准确率大概在90%以上。

但是我们对全部数据集进行训练， 训练数量会达到50万张， 在此条件训练出的模型会出现大概率的误判。

所以建议减少一部分难以分辨的数据集。 谢谢卓老师，老师辛苦了。

卓老师，我们通过实测， 在训练数据集数量15类每类800张的情况下， 该轻量化小分类模型可以比较准确的识别准所训练的图片。 准确率大概在90%以上（前面表述错误了）