1. 使用原在imagenet上訓練好的weights用於特征提取
darknet53.conv.74
可從yolo官網下載
2. 車輛檢測數據集及其label制作
a. voc
car類包含1161張圖片，可以提取出來
b. coco
car類別提取，轉換為voc格式
c. car dataset
僅包含車輛圖片，可以用作車輛檢測，也可以用作后續車牌識別
需convert成voc格式
問題：中文車牌數據集？
3. 對yolo的配置文件進行修改
a. 修改.data
b. 修改.names
c. 修改.cfg
classes改為1，如果只想檢測car這一類的話
filter數量的選擇，一般為3x(5+num_classes)
注意：修改完要重新編譯（先make clean再make）
4. 訓練
5. 測試mAP
其他：
1. 對新建立的訓練數據集，重新聚類確定anchor
2. 訓練完成后，可以L1剪枝，刪除多余卷積核，注意之后再finetune一下保證精度
（疑似pytorch或caffe model更好用，但不知速度如何）
3. tiny-yolo也可以訓練一下，對比二者的精度和處理時間。
如何判斷長時間停車：
如果不結合車牌，必須進行追蹤
如果結合車牌識別，可以降低檢測頻率，如10s一次，判斷這個車是否一直在視線內即可。