yolov3实践（二）

这次给大家带来一个有趣的项目，项目主要是Python写的，基于Keras，backend是tf。

首先，当我们回顾视觉目标检测这个任务时，我们可能纠结于如何使这个项目变得更加work，我理解的更加work是速度上不仅快了而且更加准了，这是自然而然的事情，但是我们不能忽略目标检测的搭档，也正是在另一个热火朝天的领域叫做目标跟踪，在工程上两者常常是搭档，有趣的是在学术研究上，两者常常被分开，我猜想的原因主要是因为：其一，目标检测和跟踪是两个比较大的话题，合在一起工作量有点大，不利于研究工作的专注，而业界目标检测和跟踪领域各有各的开源竞赛也促进了这一点；其二，从相反的角度考虑，其实目标检测和跟踪的评估方法是不一样的，所以实现方法不一样，实验方法也不一样，为什么不分开多发几篇呢？所以学术界的两股清流就此产生。下图蓝色是检测，粉色、白色是不同方法的跟踪效果，图像不咋滴清晰。

     

其次，我想说的是工程问题应该分部最优，不要纠结在某一个问题上太久，不然老板该怪你了。。。如果是学术问题，就应该老老实实回去把问题理清楚，也千万不要把目标检测和跟踪真当成搭档了...... 

最后，大家能想到的是检测和跟踪结合在一起，目前完全可以在速度和精度上达到一个比较好的权衡，既不会丢失精度，反而提升了模型的速度，何乐而不为呢？

这就是今天介绍的项目的出发点。这个项目还有另外一个大家可以关注的点是，我们前端都采用了yolov3作为检测器，后面的跟踪方法却可以有很多，目前只开源了deep_sort，后面会开源更多跟踪器，基本的思路是，让它真正变成一个工程，希望大家都能推动它持续的发展下去。

项目地址：地址链接

希望能有机会和同领域的小伙伴们交流交流。建个QQ群864933024

 

转载于:https://www.cnblogs.com/cvtoEyes/p/9497955.html