yolov3实践（二）

此次给你们带来一个有趣的项目，项目主要是Python写的，基于Keras，backend是tf。

首先，当咱们回顾视觉目标检测这个任务时，咱们可能纠结于如何使这个项目变得更加work，我理解的更加work是速度上不只快了并且更加准了，这是天然而然的事情，可是咱们不能忽略目标检测的搭档，也正是在另外一个热火朝天的领域叫作目标跟踪，在工程上二者经常是搭档，有趣的是在学术研究上，二者经常被分开，我猜测的缘由主要是由于：其一，目标检测和跟踪是两个比较大的话题，合在一块儿工做量有点大，不利于研究工做的专一，而业界目标检测和跟踪领域各有各的开源竞赛也促进了这一点；其二，从相反的角度考虑，其实目标检测和跟踪的评估方法是不同的，因此实现方法不同，实验方法也不同，为何不分开多发几篇呢？因此学术界的两股清流就此产生。下图蓝色是检测，粉色、白色是不一样方法的跟踪效果，图像不咋滴清晰。

     

其次，我想说的是工程问题应该分部最优，不要纠结在某一个问题上过久，否则老板该怪你了。。。若是是学术问题，就应该老老实实回去把问题理清楚，也千万不要把目标检测和跟踪真当成搭档了...... 

最后，你们能想到的是检测和跟踪结合在一块儿，目前彻底能够在速度和精度上达到一个比较好的权衡，既不会丢失精度，反而提高了模型的速度，何乐而不为呢？

这就是今天介绍的项目的出发点。这个项目还有另一个你们能够关注的点是，咱们前端都采用了yolov3做为检测器，后面的跟踪方法却能够有不少，目前只开源了deep_sort，后面会开源更多跟踪器，基本的思路是，让它真正变成一个工程，但愿你们都能推进它持续的发展下去。

项目地址：地址连接

但愿能有机会和同领域的小伙伴们交流交流。建个QQ群864933024