Darknet-Deep_sort_pytorch 无人机跟踪识别记录

创建数据集

使用labelme

构造voc数据集格式

转换txt为xml

开始训练

sudo nohup ./darknet detector train cfg/voc.data cfg/voc.cfg cfg/darknet53.conv.74 -gpu 0,1,2,3 > out.log 2>&1 &

取十万次的权重

测试

./darknet -i 0  detector test cfg/voc.data cfg/drone2.cfg backup/voc_100000.weights 00000000.jpg -out "cs3222"

放回到Dsp中，进行视频跟踪

复制cfg/drone2.cfg backup/voc_100000.weights cfg/voc.names

效果并不理想，看起来是识别了过大的图片，只识别了直升机，没有识别无人机。

下一步工作，修改数据集，筛去多余的图片（特别大的直升机），然后加上视频中出现的无人机图片。

再次训练

python yolov3_deepsort.py 1.mp4 --config_detection ./configs/drone2.yaml --save_path 1cs
python yolov3_deepsort.py 1.mp4 --config_detection ./configs/drone3.yaml --save_path cs323.mp4

成功识别，但是需要降低置信度，同时修改颜色。

首先调整无人机的识别以及颜色

减低置信度和nms后依旧效果一般

首先需要理解这两个数值，然后可能还要再加一两张图片进行再次的训练。

增加坐标

x1 y1应该是左上角的，而x2 y2则是右下角的。

工作初步完成

后续的具体利用将会使用其进行表情的识别和追踪，到时候会记录一篇详细原理和操作。