Datawhale AI 夏令营 Task1：用YOLO方法跑通baseline笔记

作为一名新手，此次挑战需要解决城市治理赛题

一、了解赛题

通过Datawhale的教学文档的介绍，我们可以了解到本次学习的赛题是一个典型的视频物体检测问题。最终目标是开发一套智能识别系列，来自动检测和分类城市管理中的违规行为。即包括：①对摄像头捕获的视频进行分析②自动识别违规行为③及时向管理部门警告。

赛题需求：输入：城管视频监控数据集（mp4格式）

输出：标注后的json文件，每个视频对应一个json文件

二、跑通baseline

我对baseline代码的粗略理解

Step1：准备工作与环境搭建

Step2：下载相关库并导入配置

             下载并解压数据集

import os, sys
import cv2, glob, json
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
!apt install zip unzip -y
!apt install unar -y

!wget "https://comp-public-prod.obs.cn-east-3.myhuaweicloud.com/dataset/2024/%E8%AE%AD%E7%BB%83%E9%9B%86%28%E6%9C%89%E6%A0%87%E6%B3%A8%E7%AC%AC%E4%B8%80%E6%89%B9%29.zip?AccessKeyId=583AINLNMLDRFK7CC1YM&Expires=1739168844&Signature=9iONBSJORCS8UNr2m/VZnc7yYno%3D" -O 训练集\(有标注第一批\).zip
!unar -q 训练集\(有标注第一批\).zip

!wget "https://comp-public-prod.obs.cn-east-3.myhuaweicloud.com/dataset/2024/%E6%B5%8B%E8%AF%95%E9%9B%86.zip?AccessKeyId=583AINLNMLDRFK7CC1YM&Expires=1739168909&Signature=CRsB54VqOtrzIdUHC3ay0l2ZGNw%3D" -O 测试集.zip
!unar -q 测试集.zip

Step3：数据读取

Step4：数据转换

Step5：使用 YOLO 算法对指定目录中的视频文件进行对象检测，并将检测结果以 JSON 格式保存。

Step6：结果保存并压缩

三、尝试改动代码达到更好的效果

通过今天晚上的网课，我了解到YOLO模型不仅有源代码中调用的

model = YOLO("yolov8n.pt")

还有

model = YOLO("yolov8s.pt")

所以，我抱着试试看的态度把源代码的这句话进行了更改，运行的第二次（第一次遇到了网络问题）提交的分数直接从baseline的0.0047834701569362提高到了0.0778709390469153，效果非常显著。

三、想说的

由于我是一个新手，所以还并不会自己提出idea并修改，只顺着warning改了参数并改了YOLO模型，这篇笔记也是一座空中楼阁，还需精读baseline代码。