[项目分析与总结]目标检测数据集自动标注

hello,everyone.好久不见，在折腾了近两个月后，目标检测自动训练功能终于在maixhub上线了。(刚刚上线的那几天，我也是提心吊胆的QAQ，就怕服务崩掉，这种感觉，相信大家都懂QAQ)

当然，现在目标检测自动训练也存在一些问题.接下来罗列下问题List吧。

Q_List:

1. 折腾我半个月都没解决的问题(主要还是自己太菜了)。当tflite通过nncase量化成int8后，效果大大下降。表现为coords并不准确。因为最开始我是存在loss函数和论文中理解有偏差，然后写错的原因。所以我一直认为是coords部分的loss没有写对/数据集本身的问题。经过和大佬的讨论，得出结论。做detection的话，最后几层还是建议用float，虽然速度损失一些，但是精度得到了保证。
2. 目前自动训练仅支持一个图片 一个框，不太人性化。
3. 训练后，显存有几率不释放问题。(查了下，tf2并没有显存释放API，可能是由于tf2采用动态图机制，用完就释放了。)这个问题不太好解决，因为我测试了显存不释放的时间点前后的数据集，尝试复现显存不释放的问题，结果，显存全部都释放正常QAQ。(大写的玄学)

这些问题打算后面慢慢优化了，自己也在yolov2上快折腾两个月了，达到疲劳阶段了，是时候换个口味了QAQ。

聊了这么多，接下来回到正题：目标检测数据集自动标注

需求分析：在数据集很大的时候(比如几百张，上千张，乃至上万张时)，如果还是用传统的人工手动标注的话，将会大大浪费时间。所以自动标注数据集的需求还是很大的。

实现难度分析:自动标注在github上有类似开源项目，改一改轮子就可以用。开发的重心主要在自动标注后的输出与现有自动训练脚本的对接上。

TODO(完成的会打✔)（预计时间：15-20天{最近因为疫情在家，又长胖了QAQ，所以每天中午爬山，晚上散步5KM左右，一般就早上干活了}）

1. 测试数据集自动标注脚本，评估性能和稳定性。
2. 编写并测试DataAssitantV1.2软件。(新增对目标检测数据集自动标注的支持)
3. 修改，优化自动标注脚本，使其与DataAssitantV1.2适配
4. 编写数据格式自动转换脚本
5. 本地联调测试
6. 思考程序可能出现的异常，建立异常捕获机制，提升程序稳定性
   7.上线Maixhub进行公测

最近在写程序之外，也找到了一些好玩的东西。比如西点烹饪（长胖警告QAQ

就在昨天，Maixhub目标检测(自动标注)上线啦。使用指南:https://www.bilibili.com/video/BV14D4y1D7S3?zw