Datawhale AI夏令营 第五期 CV方向 Task1笔记

Task1：跑通YOLO方案baseline！

赛题解读

根据您提供的图片内容，这是一份关于城市管理违规行为智能识别竞赛的赛题描述。以下是对内容的分析：

一、赛题描述

• 背景：随着城市化进程的加速，城市管理面临新的挑战和机遇。城市管理的精细化和智能化是全球城市发展的关键。
• 问题：城市违规行为如机动车违停、非机动车违停、占道经营等，对城市的美学、秩序和公众福祉构成威胁。
• 传统挑战：传统的人力巡查和被动响应模式已不适应现代城市治理的需求。

二、赛题题目

• 题目：城市管理违规行为智能识别。

三、赛题任务

• 初赛任务：使用给定的城管视频监控数据集，检测城市违规行为。
• 违规行为类型：包括垃圾桶满溢、机动车违停、非机动车违停等。
• 任务要求：选手需要分析视频，标记违规行为，并提供违规行为发生的时间与位置信息。

分析

• 技术需求：竞赛要求选手开发一套智能识别系统，利用图像处理和计算机视觉技术，自动检测和分类城市管理中的违规行为。
• 目标：提高城市管理的效率，通过自动化系统减少对人工巡查的依赖，实现更快速的违规行为识别和响应。
• 挑战：开发能够准确识别多种违规行为的算法，同时提供违规行为的详细信息，如时间和位置。

总结

这份赛题描述为参赛者提供了一个明确的研究方向和目标，即开发一个能够自动检测城市管理中违规行为的智能系统。这不仅有助于提升城市管理的智能化水平，也为参赛者提供了展示其技术能力的平台。参赛者需要具备图像处理和计算机视觉方面的知识，以及算法开发和数据分析的能力。

baseline解读

# 读取训练集视频
for anno_path, video_path in zip(train_annos[:5], train_videos[:5]):
    print(video_path)
    anno_df = pd.read_json(anno_path)
    cap = cv2.VideoCapture(video_path)
    frame_idx = 0 
    # 读取视频所有画面
    while True:
        ret, frame = cap.read()
        if not ret:
            break

        img_height, img_width = frame.shape[:2]
        
        # 将画面写为图
        frame_anno = anno_df[anno_df['frame_id'] == frame_idx]
        cv2.imwrite('./yolo-dataset/train/' + anno_path.split('/&