Python

在使用mmdetecion测试的时候我们可能想得到下面的结果，其实很简单，在test.py 后面加--options "classwiseTrue" 即可。
例如
python tools/test.py ./c

一、准备
1.项目链接
https://github.com/ultralytics/yolov5
2.制作数据集
将标注好的图片放到data/images/train 和data/images/valid 文件夹下，将.

1.检测时，在推理时把视频帧传入gpu中进行推理 2.视频编码格式设置为MJPG 3.换更加轻量级的模型进行识别 4.采用队列的方法，使用生产者消费者的概念进行识别

锚框的含义
锚框： 一种假象的框，提前人为设定——通常是在每个像素中心点绘制一定数量的不同长宽比的锚框。（不是真实框，是模型预测时需要的一种预置框） 锚框的数据格式与 边

将yolov4预测结果保存为json文件
如果代码是用mmdetection框架写的，转化部分的代码不需要自己来写，mmdetection自带的脚本可以把预测结果转为json文件。 只需运行python tools

实现思路
经过了各种环境配置，最近终于初步跑通了YOLOv3，用的是以下程序。 [https://github.com/eriklindernoren/PyTorch-YOLOv3] 跑通了之后想着是可以配合摄像头

darknet详解（yolo图像检测） 个人记录整理，如有转载请注明来源， 本文中包含的一张图片来源于网络，如有不妥请与我联系。 参考文档 darknet官方文档Darkne

yolov3可见光和红外数据集训练（VOC2007&FLIR）
1.VOC2007
用到数据集中以下三个文件夹
Annotations中存放xml文件，标注了各个目标的位置信息images中存放

众所周知，一个好的目标检测模型需要大量的数据来训练，当数据量较多的情况，我们没办法直观看到每一类别的目标框个数，就无法判断类别是否平衡。 下面的算法作用就是统计数据集中每一类别的目标框个数

安装Anaconda时存在设置 channel步骤，在实践中发现配置清华源镜像时，若网址用https则下载速度较慢，而去掉s，用http则较快，记录于此。
channels