yolo3 車輛檢測

1. 使用原在imagenet上訓練好的weights用於特徵提取

darknet53.conv.74

可從yolo官網下載

2. 車輛檢測數據集及其label製做

a. voc

car類包含1161張圖片，能夠提取出來

b. coco

car類別提取，轉換爲voc格式

c. car dataset

僅包含車輛圖片，能夠用做車輛檢測，也能夠用做後續車牌識別

需convert成voc格式

問題：中文車牌數據集？

3. 對yolo的配置文件進行修改

a. 修改.data

b. 修改.names

c. 修改.cfg

classes改成1，若是隻想檢測car這一類的話

filter數量的選擇，通常爲3x(5+num_classes)

注意：修改完要從新編譯（先make clean再make）

4. 訓練

5. 測試mAP

其餘：

1. 對新創建的訓練數據集，從新聚類肯定anchor

2. 訓練完成後，能夠L1剪枝，刪除多餘卷積核，注意以後再finetune一下保證精度

（疑似pytorch或caffe model更好用，但不知速度如何）

3. tiny-yolo也能夠訓練一下，對比兩者的精度和處理時間。

如何判斷長時間停車：

若是不結合車牌，必須進行追蹤

若是結合車牌識別，能夠下降檢測頻率，如10s一次，判斷這個車是否一直在視線內便可。