yolov3版本：下載地址：https://github.com/ultralytics/yolov3 選擇原因pytorch中速度快、可以工業部署、不停的更新維護。後續有yolov5（只在其Github看到，後續可以嘗試）
環境：windows10
pytorch1.5（1.4）
python3.7
CUDA：10.2 （10.1）
cuDNN7.6
Visual Studio Enterprise 2019
1、需重新編譯coco的PythonAPI 下載地址 https://github.com/cocodataset/cocoapi ；
cmd管理員權限打開進入coco\PythonAPI文件夾下，編譯setup.py 命令：python setup.py build_ext --inplace
發現報錯，主要內容爲：
cl: 命令行 error D8021 :無效的數值參數“/Wno-cpp”
========解決方法============
打開coco\PythonAPI目錄下的 setup.py文件，
修改ext_modules extra_compile_args=['-Wno-cpp', '-Wno-unused-function', '-std=c99'],
#修改爲
#extra_compile_args=['-Wno-cpp', '-Wno-unused-function', '-std=c99'],
extra_compile_args=['', '', ''],
然後繼續執行：python setup.py build_ext --inplace
繼續：python setup.py build_ext install
最後編譯結束輸出Finished processing dependencies for pycocotools==2.0表示成功
2、apex安裝（忘了這個好像不用安裝是測試YOLOv3-ASFF中安裝的）
TypeError: Class advice impossible in Python3. Use the @Implementer class decorator instead
pip uninstall apex
git clone https://www.github.com/nvidia/apex（需安裝git或直接下載）
cd apex
python setup.py install
3、官方模型測試（yolov3-spp-ultralytics.pt）
測試yolov3.weights +yolov3.cfg、 yolov3-spp-ultralytics.pt+yolov3-spp.cfg組合
yolov3-spp-ultralytics.pt（608*608 40ms ）在測試推理時間速度要快於YOLOv3-ASFF_800_43.9.pth（https://github.com/ruinmessi/ASFF；YOLOv3-ASFF_800_43.9.pth 608*608 80ms 800*800 120ms）；
python detect.py --names data/coco.names --cfg cfg/yolov3-spp.cfg --weights weights/yolov3-spp-ultralytics608.pt測試結果：（測試圖片用國內交通標誌數據集的測試圖）
視頻測試：
4、訓練自己的數據
數據集製作：
國內交通標誌數據集：共包含1465張640*640的交通標誌圖片，一共標註了6類交通標誌，分別是：直行、左轉、右轉、禁行、禁鳴、人行橫道，("straight", "left","right", "stop ", "nohonk", "crosswalk")。標註信息均保存在xml文件下載地址：https://www.kesci.com/home/dataset/5ea92354366f4d002d730fca 下載解壓後的數據集格式：一個是xml何對應的圖片。寫腳本xml2voc2007轉換爲voc2007格式；之後採用darknet帶的voc_label.py腳本轉換爲darknet需要的txt格式。總之我所用的數據集格式與darknet版本的一樣。
yolov3-spp.cfg重新命名yolov3-sppTR.cfg並修改（共有三處）如下圖：33=（num+5）*3
以yolov3-spp-ultralytics.pt作爲預訓練模型；cmd中執行如下命令即可
python train.py --data data/vocTR.data --cfg cfg/yolov3-sppTR.cfg --weights weights/yolov3-spp-ultralytics.pt --epochs 300
在IDE中只需修改如下圖的即可：
我這裏默認300 epochs就需要6個小時，運行結果如下圖
python detect.py --names data/vocTR.names --cfg cfg/yolov3-sppTR.cfg --weights weights/last.pt：推理檢測結果：
