yolo3 车辆检测

1. 使用原在imagenet上训练好的weights用于特征提取

darknet53.conv.74

可从yolo官网下载

2. 车辆检测数据集及其label制作

a. voc

car类包含1161张图片，可以提取出来

b. coco

car类别提取，转换为voc格式

c. car dataset

仅包含车辆图片，可以用作车辆检测，也可以用作后续车牌识别

需convert成voc格式

问题：中文车牌数据集？

3. 对yolo的配置文件进行修改

a. 修改.data

b. 修改.names

c. 修改.cfg

classes改为1，如果只想检测car这一类的话

filter数量的选择，一般为3x(5+num_classes)

注意：修改完要重新编译（先make clean再make）

4. 训练

5. 测试mAP

其他：

1. 对新建立的训练数据集，重新聚类确定anchor

2. 训练完成后，可以L1剪枝，删除多余卷积核，注意之后再finetune一下保证精度

（疑似pytorch或caffe model更好用，但不知速度如何）

3. tiny-yolo也可以训练一下，对比二者的精度和处理时间。

如何判断长时间停车：

如果不结合车牌，必须进行追踪

如果结合车牌识别，可以降低检测频率，如10s一次，判断这个车是否一直在视线内即可。

 

转载于:https://www.cnblogs.com/cry-star/p/11139574.html