【Datawhale AI夏令营第五期】 CV方向 Task01学习笔记 YOLO方案baseline

【Datawhale AI夏令营第五期】 CV方向 Task01学习笔记 YOLO方案baseline

第四期给我的体验相当不错，于是我又冲动报名了第五期。这次比第四期的AIGC和大模型应用都要上强度。

CV这边进度拉得快，Task01都发布了。一看，好家伙，老朋友Yolo。
Yolo这块我有一个很推荐的B站UP：@肆十二
主页链接：https://space.bilibili.com/161240964
传送门
这位好心的大佬用人话讲解了好多基于Yolo的项目，而且专门针对学生毕设/小白练手的痛点。我第一次跑通Yolo就是跟着这位大佬学的。这位大佬在CSDN也有账号，膜拜.jpg。

我之前跟的是一个口罩检测的项目，特别适用于防疫期间抓不戴口罩的漏网之鱼，很有实际应用价值。这合集里面好像没放。


这个比赛应用场景不错耶，而且居然数据集是视频标注的，我之前实习只做过文本标注，然后自学了图像标注，这还是第一次看到视频标注的数据集！

我们下一个标注的案例来看看：
json是他的标注文件，标的就是违规行为帧编号，ID，行为类别和图形框坐标。

视频文件平平无奇，就是一段几秒的监控视频。
讲真，我觉得这个标注才有难度，垃圾桶、占道经营还好点，但我完全不知道咋看机动车违规停车，而且每帧视频要修改的地方和数量不固定，需要随机应变，比价值观标注要难得多。
模型居然是yolo8的，先进。我当时那个口罩检测还用的yolo5。
还没试运行完就遇到报错：
拖出去斩了，重新运行，活了！

然后又突发恶疾了：
缺东西，我第一反应是网不好，前面东西没下完。
但我重新Run了好几轮都报错，最后突然想起来，每一次训练会在Run下面建立一个新的文件夹，起名train+序号。我差的模型文件是训练中自动保存的最佳模型，那肯定是保存到了最新的train目录，我一共前后跑了四次，也就是这个train4里面。

至于为什么第一个那个train里面没东西，因为我第一次卡在上面那个bug了，没走完训练流程，所以也没有结果模型。我发现卡bug就整个重开了，所以第一次出结果其实是在train2里面。

但是源代码肯定还是默认白板配置，所以没有改索引目录，这个只能根据人想要第几轮的结果手工改——把train后面加上需要的轮次序号就行了，我这就是train4。

咱就是说得亏我现在有点跑模型训练的经验，还猜出了这个bug的原因。如果是当时啥也不知道的我估计只能原地抓瞎……
按照Baseline的指示，结果保存至result.zip里面。
拿VsCode打开看一下，发现增加了置信度Confidence这个指标。
注意关机要选择【无卡模式】：
学习手册写得很详细，提交就是提交这个result.zip文件，里面是每个视频的json信息。
哈哈，看来我的结果不太妙，笑死。

看了一下排行榜，基本上没动过模型按部就班跑完BaseLine的都是这样：
上面这段话我感觉对这几个参数的解释不够准确，问一下Kimi确认一下：首先含义是xy坐标和长宽，只是比例尺是相对原图的比例。
不得不说这些线上实例真的太方便了，解决了我很多装环境的烦恼。之前这个Ultraalytics库我也尝试跑过，无一例外又双叒叕是各种环境报错阻碍进度……

BaseLine这里给了我们一些可以参考的观测指标：