摘要：
今天的任务: 完成了结题答辩、撰写了程序使用说明书、完成了最终结题报告的提交. 今后的任务: 在本次的软件课程设计中我们获得了许许多多的收获，透彻地了解了基于视频的多目标识别实现过程，也充实地经历了从立项开始到一步步实现我们项目目标的流程.中间虽然经历了许许多多的困难，但大多都被我们想尽办法解决.即 阅读全文
摘要：
今天的任务： 完成了目标轨迹代码的调试，完成了实验最终报告的收尾工作，录制并处理了明天演示要使用的视频文件。 明天的任务： 完成结题答辩，尝试调整目标轨迹代码的目标检测方法。 目标轨迹部分的代码由于我们没有太多时间准备，目前存在的问题诸多，例如无法输出结果文件，环境颜色干扰等等。 阅读全文
摘要：
今天的任务: 完成了coco预训练权重的校对和检验，获得了置信度更高的图层结果. 学习了轨迹追踪的相关代码实现. 明天的任务: 尝试在视频处理模块加入第五个新的目标轨迹跟踪的result，并设置成与检测主目标对应的颜色，并设置渐隐. 阅读全文
摘要：
今天的任务： 在supervisely上完成了人像图片的标注，修改了annotations文件的信息格式成八位以供OpenCV读取，根据我们的需求规定了训练代码的参数。 明天的任务： 完成训练权重的校对和测试部分的图片集标注，对训练好的权重进行校对和测试。 由于labelme生成的json格式标注文 阅读全文
摘要：
今天完成的任务： 完成了视频检测代码模块，成功处理了我们的本地视频 注册并学习使用了supervisely以便用于我们今后模型的训练 明天的任务： 利用supervisely训练我们的模型 今天在第一次输出我们的视频文件时发现视频速度被加快了，我们检查后调整了我们输出视频的格式使得处理后的输出视频可 阅读全文
摘要：
今天我们重新分析了我们当前的任务，我们的示例图片出现了一片人头部分没有被框选的错误，我们认为这是由于人头出现的位置附近的遮挡和干扰因素造成的，比如说旁边的树枝。但我们无法从源代码上修改我们所使用的已经基本完善好的算法，但为了提高我们的识别质量，我们想起我们在该Demo中使用的是用于提前查看结果的预训 阅读全文
摘要：
今天的任务是完成了课题的答辩，同时我们还对我们实时R-CNN的代码进行了修改，修改了两个库的引用限制，并调整了我们的根目录，重新规划了一开始库部分调用的地址，重新运行的时候原先缺少的PRE_NMS_LIMIT参数终于能够成功调用，不过另一个模块None Type又缺少了相关属性。 我们后面的任务将是 阅读全文
摘要：
经过一番研究后我们还是没能搞定config文件里缺少导入属性的问题，为了明天的汇报，我们打算现将我们的可以显示图片处理结果的Demo修改完善。由于我们之前一直是在jupyter notebook上运行的相关代码，我们打算在我们的本地编辑器中也能实现相关功能，并能够在结束目标检测阶段后自动打开我们处理 阅读全文
摘要：
由于暂时无法解决我们在处理视频文件时出现的缺少特定目标属性的问题，我们今天重新修改了对于视频部分的代码。我们先重新研读了我们已经成功运行的Demo部分的模块解读，其中前面四部分的代码块都可以比较容易的直接引用，而需要修改的则是最后对于生成我们所需要的Mask图层所涉及到的一个叫做display_in 阅读全文