最近做的项目中，用gluoncv实现了对目标群体打电话的检测。打电话行为检测可以用动作识别，也可以用目标检测，这次我用的是目标检测的方法。大概有以下几个步骤，先大致总结下思路，后续再补充
1、获取数据。
用蜘蛛爬虫从百度图片中爬取了3000+图片
此处有坑。爬虫程序有bug，默认保存时均以jpg结尾，但实际把一些jpeg（这个不影响）、png和gif图片也保存成了jpg，给后续的标注及识图带来了麻烦
2、数据标注及清洗。
先手动删除打开不了即下载失败的图片、和关键字明显不相关的图片。再借助软件删除相同的图片。这一步其实做得不够完善，如果用余弦相似度来计算，可以筛掉更多相似的图片，即同一个人变换了一点细微的角度后的照片
3、训练
此处坑更多，数据有一点问题读取就会失败。包括但不限于以下几种情况：
（1）图为空，即下载时保存失败，或者从U盘拷取时未真正拷贝完就拔掉U盘
（2）标注的数据和图片数量、名称不匹配
（3）标注文件中坐标值超出图片本身的范围
（4）库文件中类别与训练数据中类别不匹配
……
最终训练时用了faster rcnn和ssd两种模型，最后的结果是前者准确率更高。
先占坑再补充。后续有空了将其完善。
原文：https://www.cnblogs.com/flyingtester/p/12977505.html