低小慢目标捕获与跟踪系列（二）

接下来就是填坑的第二步了，第一步已经交给小伙伴去了。此刻小伙伴正在纠结6678到底是多核多镜像，还是多核双镜像的问题了。

网络baseline选择

因为之前做忆阻神经网络的经验，个人手动重写了一遍YOLOv3的MATLAB版本的代码，所以YOLO系列自然是首选。甲方选择了YOLOv5，作为一个资深硬件工程师，逻辑工程师外加嵌入式工程师的我，自然而然选择了全C的方案，不要问我为什么。喜欢嘛，需要理由么？大道至简。如果要说给各种编程语言打分，我还是坚持VHDL第一，C第二。^_

所以YOLOv4当然作为了首选项。根据团队内兄弟的经验，经过我们优化后的YOLOv4在TX2上（608 X 608）的输入图像的网络，可以跑到17fps，估计对于用户的要求是足够了。baseline就这样选定了，接下来就是准备数据集啦。

数据集准备

甲方准备了两三台大疆精灵4无人机，甲方工程师也非常认真地准备了大量精灵4的无人机图片以及标注数据，统计了一下，精确数17106张。YOLO的标注文件的格式一如既往地简单：
标注文件为图片文件名对应的.txt文件，文件内根据目标的个数按行标注如下：

class_id xc yc w h 

其中class_id为从0 ～ N-1（N为分类的数量），xc,yc为目标的中心点坐标（按照图像分辨率归一化），w,h分别为目标的宽和高，也是按照图像分辨率归一化后的数据。

把每个图片对应的标注文件准备好后，再随机将图片分为训练集和测试集（分别占数据集总数的70%和30%）

darknet编译

CSDN上有很多darknet的编译方法，实际上我们主要参考了作者的github的链接。但是中间遇到一个比较大的坑，编译成功后运行的时候报了一个cuda的unknow error, 百度谷歌齐上阵，各种方法都尝试了，无效。
眼看着两天时间快过去了，我跟团队做驱动层的小哥哥说，今晚搞不定的话，明天你把服务器扛回来重装系统吧。终究小哥哥没有让我失望。
简单粗暴的解决方案：重装cuda。。。。。。

果然，重装是最佳的解决莫名其妙问题的方案，没有之一。

效果评估

首先贴一下YOLOv4的结果：
5132
detections_count = 9042, unique_truth_count = 5046
class_id = 0, name = UAV, ap = 98.93% (TP = 4926, FP = 72)

for conf_thresh = 0.25, precision = 0.99, recall = 0.98, F1-score = 0.98
for conf_thresh = 0.25, TP = 4926, FP = 72, FN = 120, average IoU = 79.16 %

IoU threshold = 50 %, used Area-Under-Curve for each unique Recall
mean average precision (mAP@0.50) = 0.989330, or 98.93 %
Total Detection Time: 301 Seconds

看起来98.93的准确率还是有点诱人。好奇心下，笔者尝试了YOLOv4-tiny 416 x 416的模型，表现太让人失望了：
calculation mAP (mean average precision)…
Detection layer: 30 - type = 28
Detection layer: 37 - type = 28
5132
detections_count = 1479, unique_truth_count = 5046
class_id = 0, name = UAV, ap = 0.31% (TP = 7, FP = 8)

for conf_thresh = 0.25, precision = 0.47, recall = 0.00, F1-score = 0.00
for conf_thresh = 0.25, TP = 7, FP = 8, FN = 5039, average IoU = 25.92 %

IoU threshold = 50 %, used Area-Under-Curve for each unique Recall
mean average precision (mAP@0.50) = 0.003145, or 0.31 %
太难了，于是换了YOLOv4-tiny 608 X 608的模型，表现也一样令人失望，这个原因只能慢慢查了，有点让我意外。不得不怀疑自己的方法错了，这个有可能后续再继续排查来了。

再贴一些识别结果的图，给大家欣赏一下。