前言

经历了场景需求调研，方案技术路线。下面开始时间算法开发：
开始数据采集，数据集的制作，模型训练，模型的评价及模型的选择，算法逻辑的设置。在算法的逻辑设计过程中可能也会对数据进行扩充，模型的再训练。但是我们通过目标检测算法获得的目标检测框因为种种原因会造成目标框的不稳定，例如：目标框跳动、有时候会检测到有时候检测不到。

一、目标检测框不稳定类型

1.目标检测框的宽高比不稳定
2.目标检测框的中心坐标稳定
3.目标检测框连续若干帧检测不到

二、目标检测框不稳定的原因

1. 图像采集设备的噪声
2. 光照天气等因素的影响
3. 解码噪声的影响
4. 数据不均衡的影响
   （1）类别不平衡：前景和背景不平衡、前景中不同类别输入包围框的个数不平衡；
   （2）尺度不平衡：输入图像和包围框的尺度不平衡，不同特征层对最终结果贡献不平衡；
   （3） 空间不平衡：不同样本对回归损失的贡献不平衡、正样本IoU分布不平衡、目标在图像中的位置不平衡；
   （4）目标函数不平衡：不同任务（比如回归和分类）对全局损失的贡献不平衡

三、优化方法

3.1 数据标注方面

在数据采集的过程中，我们去采集不同环境下的数据，例如：阴天、下雨、下雪、夜晚、强光照环境。数据标注方面尽量按照严格的标准去标注数据。

3.1 模型方面

在训练过程中对数据进行增强，增加其他的小trics。使用模型的评价指标、挑选合适的模型。

3.3 后处理方面

在获取检测的目标框信息后，可以使用一些滤波、跟踪的算法去平滑检测的边界框。