这里要给大家推荐一位超级厉害的github大佬，他写的代码，是我见过最美滴代码：https://github.com/ML-Song/
今天有幸能够听到这位大佬做关于Detection的报告，下面请看报告笔记：
虽然叫做Detection，但是里面实际在做分割和数数。
哈哈，这应该叫做detective吧，还声东击西的。大佬太可爱了叭。
需要改的是：tarin 以及 dataset（需要换成路上的情景）
还有一个重要的就是config.py文件，比如里面有数据集路径。（但是大佬没上传）
这里需要付费才能获取，但是为了我参加的YSL的比赛，我还是狠了狠心，买下了。花了52块钱，买了一周的服务费用，三次远程指导费用。
好啦，我已经把cityspace下载下来了，直接从官方的下载地址，用的是学校的邮箱。
第一步：了解Cityscapes
Cityscapes数据集，即城市景观数据集，这是一个新的大规模数据集，其中包含一组不同的立体视频序列，记录在50个不同城市的街道场景中，除了一组较大的20000弱注释帧外，还包含5000帧的高质量像素级注释。因此，数据集的数量级要比以前的数据集大的多。
城市景观数据集旨在：
评价视觉算法在语义城市场景理解两大任务中的性能：像素级和实例级语义标注；
支持旨在利用大量（弱）注释数据的研究，例如用于训练深层神经网络
Cityscapes数据集则是由奔驰主推，提供无人驾驶环境下的图像分割数据集。用于评估视觉算法在城区场景语义理解方面的性能。Cityscapes包含50个城市不同场景、不同背景、不同季节的街景，提供5000张精细标注的图像、20000张粗略标注的图像、30类标注物体。用PASCAL VOC标准的 intersection-over-union （IoU）得分来对算法性能进行评价。 Cityscapes数据集共有fine和coarse两套评测标准，前者提供5000张精细标注的图像，后者提供5000张精细标注外加20000张粗糙标注的图像。
Cityscapes数据集包含2975张图片。包含了街景图片和对应的标签。大小为113MB。
第一张图是的高质量密集像素注释的示例，提供了5 000张图像。重叠颜色编码语义类（参见类定义）。请注意，交通参与者的单个实例是单独标注的。第二张是粗略注释，除了精细的注释外，我们还与pallas ludens合作，为一组20000图像提供更粗的多边形注释。同样，重叠的颜色对语义类进行编码（参见类定义）。注意，我们的目标不是注释单个实例，但是，我们标记了覆盖单个对象的多边形。
但是，无奈呀，这个数据集，下载太慢了，30k/s，40G，这大概还需要53年……
但是我准备从VOC数据集开始做起，先把代码跑通再说！
另一位大佬总结的：https://blog.csdn.net/weixin_39679367/article/details/80932532
全部有二十个类：
person, bird, cat, cow, dog, horse, sheep, aeroplane, bicycle, boat, bus, car, motorbike, train, bottle, chair, dining table, potted plant, sofa, tv / monitor
（一）主要任务
有五个主要任务：
分类：对于每一个类，在一张测试图片中预测该类至少一个对象是否存在。
检测：对于每一个类，在一张测试图片中预测该类的每一个对象的边界框（bounding box）。
分割：对于测试图片每一个像素，如果像素不属于20个指定类中的一个，则预测包含该像素或“背景”的对象的类。
动作分类：对于每个动作类别，预测测试图片中的指定的人(由其边界框指示)是否正在执行相应的动作。其中有 10 个动作类别：
jumping; phoning; playing a musical instrument; reading; riding a bicycle or motorcycle; riding a horse; running; taking a photograph;using a computer; walking
大尺度识别：这个任务又 ImageNet 组织者执行。更多可查看其官网。
二、DATA
里面有一个 VOC2007 ，另一个是 VOC2012 。
进去里面有 5 个文件夹：
VOC2012
├──Annotations
├──ImageSets
├──Action( jumping; phoning; playing a musical instrument; reading; riding a bicycle or motorcycle; riding a horse; running; taking a
photograph;using a computer; walking)
├──Layout
├──Main
└──Segmentation
├──JPEGImage
├──SegmentationClass
└──SegmentationObject
Annotations：存放 xml 文件，每个文件对应 JPEGImage 里面的一张图片
ImageSets：存放记录各个人物正负样本的 txt 文件
JPEGImage：存放图片，每张图片都有对应的编号
SegmentationClass：存放分割图片，按类分，相同的类用同一个颜色表示
SegmentationObject：存放分割图片，按物体分，不同的物体用不同的颜色表示
三、Annotations
xml 是可扩展标记语言，文件里面内容大概如下：
（xml本人还是写过的，本科做科研立项的时候用过，所以不陌生哟）
四、ImageSets
ImageSets 里面指定了每一张图片为正样本还是负样本，例如 Main 目录里面的 aeroplane_train.txt 内容如下：
2008_000008 -1
2008_000015 -1
2008_000019 -1
2008_000023 -1
2008_000028 -1
2008_000033 1
2008_000036 -1
2008_000037 1
2008_000041 -1
2008_000045 -1
2008_000053 -1
2008_000060 -1
...
前面的 2008_000008 代表了图片的名称，后面的 1 或 -1 代表了这张图片是正样本还是负样本。
首先安装一个python。
终端查看ubuntu版本号：cat /proc/version
原来网速不好i，是因为主机的网线没有插好。