0 引言
兜兜轉轉還是搞起了深度學習，圖像處理。近來做了很多數據標注的工作，就像曾經面試的時候一個負責人說的那樣，數據常常決定了學習結果的優劣，模型改進優化啥的，我們做工程的用的少。因此，標注了很多數據之后，有一些心得和感悟，還有一些小技巧和實驗失敗的地方，記錄一下，希望以后不要再犯，因為我記憶力太差太差了。同時，希望與大家共勉。
1 數據采集部分
1）在數據采集的時候，一定要注意采集設備的穩定性，手持是非常不穩的。我們試過很多很多次，即使我們固定了手腕，也不能夠避免人體本身的抖動。包括剛開始視角的調整。使用固定支架能夠很好避免這些問題。
2）我們做的是紅外采集，視頻和圖片同時寫入本地時並不會影響整個采集過程的速度，再384*288大小圖片背景下，我們寫入視頻和圖片使用當前時間時分秒作為名稱，結果顯示，每100毫秒30幀頻下，有兩張圖像采集偏差3毫秒。幾乎無延遲。
3）采集對象一定要確定提前確定好，數據樣本的偏差性，會導致目標檢測的對象存在不同的識別精度。在采集的時候一定考慮特定對象的采集。我們采集的是運動過程中的車輛，前期由於為了數據量大，因此就一直采集，一直采集，沒有考慮特定目標，比如摩托車數量很少，因此后期做了很多特定的采集工作，專門采集摩托車。
2. 數據標注部分
1）在數據標注部分，這是我們最需要注意的。遮擋對象是否要標注；
2）模糊對象是否要標注；
3）只有一半大小的對象是否要標注；
4）大目標包含小目標，大目標是否要標注；
5）標注時標簽的確定；一定要提前確定好，不然會做很多重復功。
6）在自動標注部分，我們做了幾個工作，首先使用YOLO V5做多目標檢測的自動標注。（需要我們訓練一部分之后，再用新weights去檢測圖像。這里出現最多的一個問題就是重復框問題，很奇怪的是我們已經在YOLO中使用了一定的IoU,然后使用NMS去掉了多余Anchors, 為什么同一個對象仍然有多個框，調節threshold也沒有太多的用處，當然會有一定的效果，置信度變了之后框多框少異常。）
7）在單目標跟蹤上面，我們使用了SiamRPN++做我們單目標跟蹤的自動標注工具。
高鐵上，寫不動了，累了。祝大家晚安。