qq_36230981的博客

最近在做目标检测训练，其中有一些视频的数据集，需要先将视频分帧为图片，然后进行标注和训练。记得以前写过一个脚本，但是今天找不到了，于是准备重新写一个，记录一下。在网上看了一些代码，发现有点麻烦，只能一个视频一个视频的处理，每次都需要改路径，很麻烦。我比较懒，还是自己写一个比较方便。废话不多说，直接上代码。使用的时候只需要直接实例化这个类，然后调用就行了（注意，保存的路径不要放在视频路径下，不然会报错）

最近在做热力图的可视化，网上搜了很多的资料，但是大部分都是需要在原网络结构上进行修改，非常的不方便。最后在网上找到一位博主分享的即插即用的模块，觉得效果还可以，但是中间有些细节，需要注意。将yolo.py文件中，detectionmodel()函数的forward()函数中，true改为false。backward_type：反向传播的方式，可以是以conf的loss传播，也可以class的loss传播。method：选择grad-cam方法，这里是提供了几种，可能对效果有点不一样，可以都尝试一下。

1.准备数据集使用labelimg将数据集中需要识别的部位框出来2.划分数据集，训练集编写代码，自动划分，以及将VOC格式转为YOLO格式import xml.etree.ElementTree as ETimport osimport randomfrom shutil import copyfileimport cv2classes = ["gas", "fire"]TRAIN_RATIO = 0.8def clear_hidden_files(path):

yolov5 网络结构图。

3.模型收敛：train loss 下降趋于稳定，val loss 下降也趋于稳定，且train loss 的值与val loss 的值相差不大。5.train loss上升，val loss上升：网络结构设计有问题，或者训练参数设置不当等，及时停止学习，调整代码。4.train loss稳定，val loss稳定：可能已经收敛，或者学习遇到瓶颈，可以调小学习率试试。1.train loss 下降，val loss下降： 表明网络还在学习。2. train loss下降，val loss稳定：网络过拟合。

YOLO系列源码及论文