（一）学习目标检测的第1个月

*打工人的第一周之软件安装和环境搭建*

• 安装python 

• 安装anaconda

• 安装vs code

• 搭建python环境

• 搭建yolo环境

 

 

## Python

• 大致了解python

渠道：两个网址和一本书
https://www.liaoxuefeng.com/wiki/1016959663602400
https://www.runoob.com/python/python-tutorial.html

《python基础教程》

 

•  掌握dict、 list、 tuple等基本的数据结构，主要用于txt、json、 xml等文件的转换和处理

python中的list、tuple、set、dict用法简析：
https://www.cnblogs.com/webary/p/5187217.html

 

• python实战1：txt， json，xml等文件的转换

https://blog.csdn.net/qq_34885993/article/details/116013225

 

参考的网址：

https://blog.csdn.net/no__matter/article/details/107865378

https://blog.csdn.net/mary_0830/article/details/103361664

https://blog.csdn.net/mary_0830/article/details/108776419?spm=1001.2014.3001.5501

 

为什么要进行格式的转换？？？

因为目标检测，需要大量的数据集作为数据源，而这些数据集一般来自几个平台，但是标注文件格式不同。在进行标注操作时，需要格式转换。

比如 json是coco等数据集的标注格式，xml是voc数据集的标注格式，txt是yolo和大部分数据集的标注格式。

其中voc和coco数据集的介绍如下：https://blog.csdn.net/bestrivern/article/details/88846977

 

• python实战2：使用python-opencv读图、显示、画框、裁剪

渠道：两个网址和一个博主
https://jingyan.baidu.com/article/d5a880ebdd962f13f147ccb9.html（读图，显示，画框）
https://blog.csdn.net/lly1122334/article/details/104945976（裁剪）
https://blog.csdn.net/weixin_43170082/article/details/115383629（该博主主要讲解opencv用法）

关键字：roi
ROI（region of interest），感兴趣区域。机器视觉、图像处理中，从被处理的图像以方框、圆、椭圆、不规则多边形等方式勾勒出需要处理的区域，称为感兴趣区域，ROI。

如果你设置了图像了ROI，那么在使用OpenCV的函数的时候，会只对ROI区域操作，其他区域忽略。

 

• python实战3：利用python做图片解析

渠道：两个网址

http://aiskyeye.com/  

https://github.com/VisDrone

 

此次实战的数据集来自visdrone, Visdrone其实是一个竞赛。   

补充：①visdrone=visual drone 视觉无人机  ②gt框，即正确打标记的数据框 ground truth box

③GitHub是一个面向开源及私有软件项目的托管平台，因为只支持Git作为唯一的版本库格式进行托管，故名GitHub。

Github已经成为了管理软件开发以及发现已有代码的首选方法，有点像代码的云。

 

将visdrone的数据集中的训练集的txt文件转换成xml文件：

https://blog.csdn.net/mary_0830/article/details/108776419?spm=1001.2014.3001.5501

数据集画框：

 https://blog.csdn.net/mary_0830/article/details/109284020?spm=1001.2014.3001.5501

 

• 重编程，轻算法

老师今天看到我的周报，又跟我强调了以上六个字！

我突然有些迷惑，何为编程，何为算法？

链接：https://blog.csdn.net/zag666/article/details/90374855

简单来讲，算法是理论方法，编程能力就是用程序将算法实现。老师的意思应该是不用太过于研究算法，能编程解决问题才是硬实力。

 

• python实战4：切图切标注 、合图合标注

何为切图？

图像分辨率大，样本中小目标居多的情况下，如果reshape成小图再送进网络训练的话，目标会变得非常小，识别难度大。

直接大图训练GPU显存又顶不住，太大的原图会消耗太多的cpu时间,导致极度拖慢训练时间，而且推理速度会很慢。

这里实现一种离线切图的形式把原图按一定的宽高，切成很多个小图进行训练。切标注同理。

 

了解链接：

https://zhuanlan.zhihu.com/p/343207954
https://blog.csdn.net/zengwubbb/article/details/115800477

 

如何用python语言实现？

简单的图片分割和合并：https://blog.csdn.net/qq_40608730/article/details/109190493

 

• python实战5：评测指标（如：如何算map）

理解指标：

https://blog.csdn.net/weixin_45250844/article/details/94592491

https://blog.csdn.net/h1yupyp/article/details/80842172?spm=1001.2014.3001.5501

 

理解map：

https://blog.csdn.net/xiezongsheng1990/article/details/89608923?spm=1001.2014.3001.5501

https://blog.csdn.net/hsqyc/article/details/81702437?spm=1001.2014.3001.5501

 

如何用python语言实现？

此次选用voc数据集

voc数据集下载地址：https://pjreddie.com/projects/pascal-voc-dataset-mirror/

voc数据集的介绍：https://www.jianshu.com/p/2cc1b0577d85

 

https://blog.csdn.net/Guo_Python/article/details/113366278

https://blog.csdn.net/weixin_36474809/article/details/86517885

 

## 了解图像处理，像素连接等概念

• 图像处理

图像处理(image processing)，用计算机对图像进行分析，以达到所需结果的技术。又称影像处理。图像处理一般指数字图像处理。数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组，该数组的元素称为像素，其值称为灰度值。图像处理技术一般包括图像压缩，增强和复原，匹配、描述和识别3个部分。

渠道：两个网址和一本书
https://blog.csdn.net/u013088062/article/details/50425018（这是网址介绍的很详细，这个博主也是宝藏博主，爱了爱了）

https://blog.csdn.net/wakatipu/article/details/50966098?spm=1001.2014.3001.5501（数字图像处理框架）

《数字图像处理》

 

• 像素连接

在数字图像处理领域，存在着空间域和变换域的概念。无论在空间域还是在变换域，像素都是根本。在大多数的数字图像处理中，像素之间在运算时都是要发生关系的，这是因为多个像素构成了图像中的一个对象。了解相邻像素，邻接性、连通性，像素的通路等。

渠道：两个网址
https://blog.csdn.net/ddiicey/article/details/73864470
https://blog.csdn.net/u012627502/article/details/19753517

 

## 神经网络的学习

• 了解基础知识

人工智能，机器学习，深度学习的关系：

https://zhuanlan.zhihu.com/p/103373260

 

•  深度学习和目标检测的关系

目标检测需要定位出物体的位置并识别出物体的类别。目前通用目标检测以R-CNN、Faster-RCNN、R-FCN、R-FCN-3000框架为主。

该系列框架核心思想在于在图像上选出候选框，并且通过CNN(卷积神经网络)进行学习。

R-CNN框架在VOC2007数据集测试中取得了58.5％的平均精确度均值(mean Average Precision，mAP)，

Faster-RCNN框架在VOC2007上mAP能达到73％，

利用NVIDIA Tesla K40GPU速度可以达到5fps(画面每秒传输帧数，Frame Per Second)，深度学习的目标检测识别方法成为当前算法主流。

 

• CS231n公开课

斯坦福课程：https://www.bilibili.com/video/av13260183/#page=1

官方笔记：https://cs231n.github.io/ （ca231n全称：面向视觉识别的卷积神经网络）

博主的课程总结：https://zhuanlan.zhihu.com/p/21930884

https://zhuanlan.zhihu.com/p/76514213

 

其他：

Andrej Karpathy的博客：http://karpathy.github.io/
GitHub的Andrej karpathy的网址：https://github.com/karpathy

某博主的概念总结：https://blog.csdn.net/mary_0830/article/details/107730289

 

• 目标检测综述（包括神经网络发展）

看另一篇总结：https://blog.csdn.net/qq_34885993/article/details/116147577

 

## 了解yolo和darknet

 

• 基础了解

渠道：三个网址

https://github.com/AlexeyAB/darknet（C语言）
https://github.com/ultralytics/yolov5（pytorch）
https://github.com/BBuf/Darknet 

 

补充知识点（三个都是神经网络框架）：

何为pytorch：https://blog.csdn.net/bestrivern/article/details/89433023

何为darknet:https://blog.csdn.net/u010122972/article/details/83541978

何为caffe:https://blog.csdn.net/qq_27923041/article/details/77431833

 

• 看yolo综述和相关论文

综述：https://blog.csdn.net/zandaoguang/article/details/109664610

 

补充：学习算法的一般学习过程

①看完相关综述（可以搭配哔哩哔哩的视频讲解）有个大致了解，看完综述，基础薄弱可以先看bilibili博主的视频加深理解，然后再看论文会很晦涩难懂。

②开始看论文（yolov1,v2,v3,v4的顺序看）

③阅读源码时根据read me 跑通代码

④结合论文看网络搭建，数据预处理和损失函数（后面两个部分更重要）

 

• yolo实践

看另一篇总结博文：https://blog.csdn.net/qq_34885993/article/details/116484625

 

## 下一阶段了解目标检测在无人机领域的应用

 

##下下阶段自学C++