# AerialView

**Repository Path**: lylec/aerialview

## Basic Information

- **Project Name**: AerialView
- **Description**: 航拍图检测项目代码
基于Pytorch
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2023-04-18
- **Last Updated**: 2025-09-19

## Categories & Tags

**Categories**: Uncategorized

**Tags**: task

## README

# AerialView

## 1. 项目部署

### 1.1 硬件要求

具备 NVIDIA 入门级显卡，CPU 和内存为主流配置。

推荐配置：

- CPU：AMD5600X 或同级以上 CPU
- 显卡：NVIDIA 3060 或同级以上 CPU
- 内存：16G 或更多

### 1.2 环境配置

需要进行的配置包括：

- 安装最新的显卡驱动
- 安装 CUDA 11.6
- 安装 cuDNN 8.5.0.x
- 安装本地 whl 包： auxmodels
- 安装本地 whl 包： torch+cu116 (默认会下载 cu118 的包，与 CUDA 版本不符)
- 安装 requirements.txt 定义的依赖库

> `auxmodels`的本地安装包随压缩包一起提供
> `torch`的本地安装包可以从 `https://download.pytorch.org/whl/torch_stable.html` 下载

## 2. 功能运行

### 2.1 命令行模式

在项目根目录下运行：

```bash
python app/run_cmd.py --inputs='path to input video' --weights='path to onnx weights'
```

其中`--inputs`输入可以有三种形式：

- `单个视频`：一个视频文件的路径，在该视频上运行功能，支持后缀为`.mp4`,`.avi`
- `单个图片`：一个图片文件的路径，在该图片上运行功能，支持后缀为`.png`,`.jpg`
- `多个图片`：一个文件夹的路径，该文件夹下可包含多张图片，支持后缀为`.png`,`.jpg`
- 暂不支持以文件夹形式组织的多个视频连续运行

额外的控制参数：

- `--outputs`：结果输出的保存目录，默认为`resources/demo`，需保证输出路径有可写入权限
- `--show`：如果增加此控制项，则显示运行过程，默认为不显示
- `--scale`：显示结果的缩放倍数，默认为 0.5，保证输入在（0,1）之间
- `--save_mode`：保存模式，只在输入为视频时生效，默认为`image`，可选输入 [`image`, `video`]
- `--interval`：即每 interval 帧运行一帧识别功能，默认为 4，保证输入为正整数，间隔过大会影响识别效果
- `--conf_thres`：目标置信度阈值，大于该值则判定为目标，默认为 0.25
- `--max_age`：目标跟踪中，最大轨迹延续长度，即目标丢失后延续帧数，默认为 1
- `--min_hit`：目标跟踪中，建立新轨迹的最小累计帧数，默认为 3
- `--iou_thres`：目标跟踪中，前后帧目标匹配的 IOU 阈值，默认为 0.3
- `--min_pixel`：最小目标的像素尺寸，当目标框长/宽有至少一个维度超过该像素值，则输出该目标
- `--period`：片段截取区间，按照`mm:ss-mm:ss`的格式输入，当存在该输入时，保存模式强制切换为视频模式

```
# 一个运行示例
python app/run_cmd.py --inputs=resources\videos\Y1.MP4 --weights=resources\weights\output\20230706.onnx --show --scale=0.6 --save_mode=video --interval=5
```

### 2.2 GUI 模式

在项目根目录下运行：

```bash
python app/run_gui.py
```

在界面上配置完所有输入信息和参数信息后，点击`开始`运行。

## 3. 模型训练

### 3.1 添加新数据

指定一个存放数据的根目录，在该目录下存放所有数据。数据分为两大类：

- `pos`：包含目标的常规样本，通过指定格式的 json 文件标注目标，需要将图片和标注文件分别放在平级的`images`和`labels`文件夹下，保证一一对应（不对应的样本会被过滤）；
- `neg`：不包含目标的纯负样本，只需要图片，不包含 json 文件。

每一批次的数据放在一个单独的文件夹内，建议用添加的日期命名，便于区分和管理。文件名不要出现**中文**或者**空格**，比较容易出 bug。

最终形成的数据文件夹结构如下所示：

```
data_root
    pos
        202306XX
            images
            labels
        202307XX
            images
            labels
        ……
    neg
        202306XX
        202307XX
        ……
```

### 3.2 生成数据列表

在项目根目录下运行：

```bash
python tools/convert_labelme2pickle.py --data_root='path to root of dataset'
```

生成数据集列表`ae_samples_train.pickle`和`ae_samples_val.pickle`。

### 3.3 训练模型

模型训练分为三步进行：

1. 使用配置文件`config_finetune1.toml`，加载预训练权重，冻结模型前半部分，只训练输出层参数；
2. 使用配置文件`config_finetune2.toml`，加载上一步训练的权重，冻结模型 backbone 部分参数，训练其他参数；
3. 使用配置文件`config_finetune3.toml`，加载上一步训练的权重，训练模型全部参数。

在项目根目录下运行：

```bash
# 启动训练
python tools/train_finetune.py --cfg='path to config file'
# 一个运行示例
python tools/train_finetune.py --cfg=cfgs\config_finetune3.toml
# 通过Tensorboard监控训练过程
tensorboard --logdir=resources\runs
```

> 如果是全新训练，需要走 1-3 阶段，如果有上一次的训练结果，只是新增加了部分数据，可加载上一次的最终结果，直接进行第 3 阶段

### 3.4 导出模型

将`pth`格式的模型导出为`onnx`格式，便于执行调用。

在项目根目录下运行：

```bash
python tools/export.py --checkpoint='checkpoint to export' --output_path='path of exported onnx'
# 一个运行示例
python tools/export.py --checkpoint=resources\runs\20230703-130652\checkpoint\80.pth --output_path=resources\weights\output\20230703
# 运行成功后输出
> Export onnx to: resources\weights\output\20230703.onnx
> Export pth to: resources\weights\output\20230703.pth
```

### 3.5 测试模型

加载模型对图像进行推理测试，查看单帧预测效果。

在项目根目录下运行：

```bash
python tools/test.py --video='path to input video' --weights='path to onnx weights'
```