努力终将收获硕果｜ 9月实训周结营回顾

（向上滑动启阅）

一、我是怎么参加极市平台实训周的？

本人菜鸟硕士一名，本科毕设的时候接触过目标检测和跟踪相关的内容，比较感兴趣，后来硕士期间就继续从事视觉相关的研究。和实验室师兄聊天的时候，师兄给我推了极市平台公众号，并表示公众号上经常发布各种和视觉相关的推文，可以参考学习。某天我看到了公众号上关于实训周的推文，看到有导师带队，打榜还有奖励，觉得是一个非常不错的机会，于是报名参加了。

二、实训周的流程与内容

实训周的流程其实并不复杂，在平台上注册账号，然后选择自己感兴趣的项目报名打榜。在刚注册账号的时候，有新手项目给大家熟悉平台，熟悉模型建立，训练，测试和封装的整个过程，极市平台上也有很多优秀的大佬分享整个流程及自己的代码，非常的nice！实训周期间有老师一直在群里回答学生的各种问题，帮助学生解决各种报错和bug，也会有集体培训，带同学们过一遍整个流程，感觉跟着老师走，完成整个过程拿到分数并不难。

三、打榜思路和策略

我打榜的项目是火焰识别，有幸也是打到了榜一，接下来将围绕该项目展开具体描述。

3.1 算法目标

监控区域内有红色火焰/火苗产生，算法需要识别出来，提高执法效率，减少损失。识别场景是街道，环境要求是白天，或光线充足。

3.2 数据分析

数据集图片是jpg格式，标注格式是voc的，如果使用yolo系列模型，需要自己将格式转为yolo的训练格式，网上有很多代码教程。训练集和测试集的数量个人感觉足够大了，如果感觉不够，可以采取角度变化，光线变化的方式来增大数据集进行训练。

因为我本人对yolo系列比较熟悉，因此最先想到是使用yolo模型，yolov5系列是我感觉体积比较小，速度比较快的模型，因为yolov6/7并不太熟悉，所以我选择了yolov5模型，其次，因为模型测试不仅有精度得分，还有性能分：

因此我首先确定是选用yolov5s模型，首攻精度，又不失速度。

3.3 训练策略

● 训练过程中，我一般预设的训练周期都是300epoch，作为一个基准，如果过拟合了就减少，精度不高就再加；

● 其次，训练的batch_size在允许的范围内建议越大越好，越大，模型过拟合的可能性就越小，我试过32和64，都是可以运行的；

● 再细节的训练的话，就是可以freeze微调某一部分了，这个比较考验个人能力，如果有能力可以使用；

● TensorRT几乎是必须了。TensorRT是Nvidia为了加速基于GPU训练模型的推理而设计，能有效加速模型的推理部署。且精度基本不会受到影响；

● 优化器的选择也有很多，模型默认使用的是SGD，因为在我训练过程中模型精度还不错，就没有进行修改，也可以尝试用其他优化器。

3.4 关于SDK封装

最开始火焰识别的封装是在打榜到达0.7分以后开始的，我使用的是官方提供的demo，配合着官方的视频讲解，修改对应的部分就行，没有什么难度。

后边我又报名了其它项目，拉横幅识别项目因为排名前三，被邀请参加封装。这个项目有意思的地方在于，返回的并不是识别框中心点的坐标和高度宽度，而是识别框四个顶点的坐标，这个是需要我们注意的，在模型测试和封装过程中，都要进行相应的修改，看懂代码报警的逻辑，如果凭借自己知识经验和搜索引擎搜索学习了仍然不懂也没关系，平台有专门负责封装的技术人员会解答你的相关问题。

四、实训周小结

本次实训周我顺利通过了，并获得了相应的实训周证书。后边平台熟悉了，我报名了很多榜，有三个拿到了模型榜第一名，感觉还是挺不容易的。整个过程中，平台的工作人员很和蔼，回答问题很及时，导师也是非常的负责，基本上发问题到群里，很快就有回复。部署第一个项目是最难的，因为会遇到各种bug，但是跑通的那一刻是真的快乐！！后续就是提高精度的折磨过程了，总之整个实训周还是学到了很多的东西，后续能参加封装的课程也是非常开心，希望能够进一步提高自己的实力，让自己越来越强。