安全帽检测日记

• 技术路线： yolov5+deepsort
• 2022/5/7 仅针对面部（hat和非hat）追踪存在idswitch 在复杂场景下效果特别差

原因：REid 自己训练的ckpt/t7 仅分了两类 ：hat和person 但是ckpt权重的本意是区分出不同人的id 750个人就有750个类  reid是一个特征提取网络 重新训练是为了更好提取person的特征

• 引入目标追踪的意义 加入身份信息 避免漏报 重复报警

market1501数据集是用来区分行人的 如果想要用在安全帽上 需要制作类似数据集？ 不太可能

idea：数据集三个类：hat、head、person 对person实现追踪 对成功追踪的person间隔一段时间检测hat 但是在工地上往往会发生遮挡 对person追踪也很困难

所以对人脸追踪？ 间隔一段时间去检测安全帽 但是人脸追踪的话就不能用deepsort 没有数据集是关键

• 2022/5/8idea 1. 电子围栏 目标检测之入侵检测

问题：指定目标检测区域，能提高小目标检测的精度吗？

2.从源码下手 去做一些消融实验  tricks

DIOU CIOU：Yolov4在DIOU_Loss的基础上采用DIOU_nms的方式，而Yolov5中仍然采用加权nms的方式。

还有LOss的选择  anchor的kmeans

啥都会一点的老程

3.idea 部署轻量级 不一定复杂的模型才好

2022 5/28   

踩坑！   每一个版本的模型有差异，例如，你运行v5.0，但你下载的为最新版本的yolov5s.pt就会这样，所以只需要到你运行版本的assets下载对应的模型！

idea 追踪人 对追踪成功的 进行检测

接下来的方向：  训练一下 person hat  head三类    以及重新训练market权重

以及 reid

2022 5/30  YoloV5 + deepsort + Fast-ReID

reid

• 基于表征学习
• 基于度量学习
• 基于局部特征
• • 全局特征
  • 切片
  • 姿态
• 基于视频序列
• • RQEN
• 基于GAN
• • CamStyle
  • DG-Net
  • GAN总结对比

注意：30系显卡必须要cuda11以上 去官网下载

解决C3的问题。把models/experimental.py中的C3复制到models/common.py中（本质上是版本不对应的问题）

spff也是版本的问题  貌似是5.0用了6.0的权重

如果当前版本是yolo4.0 想要升级为5.0 仅需要替换models和utils文件夹即可 以及对应的权重（不是全部都好用 对于deepsort可以）

2022 6/22 当前进度 看当日组会汇报ppt

接下来路线 继续学习pytorch、

yolov5 源码

fastreid、  先跑通

deepsort  《近期关于Sort和DeepSort改进的工作》藏晖

争取自己把他们组装起来 

2022/7/25 当前路线 yolox+bytetrack

*强光问题！  

摄像机轻微抖动