yolov3是图像处理的
yolov3基于coco数据集，好几万张图像训练出来的
有8个类
原本想看结果，就要训练1次（GPU要运行5分钟，CPU要运行一个小时）
加了个test后，就可以调test直接用
权重是200多兆
这个是一个很小的模型
调权重，权重是coco上得到的，肯定不适合现在的模型，这叫预训练
所以要再它的基础上微调训练好的模型：
data包含3部分：
一部分是数据集，有很多图像
第二部分，测试集
在img里训练好了到test里测试
怎么训练：
比如：这个5，他是什么，他的位置在哪，要告诉模型，要标注
怎么标注：
在ann有32张xml文件
有几个图形就有几个xml文件
这个文件表示当前这个图像所在的位置
这个xml文件是怎么生成的：
用一个lable
在spyder里运行
运行后会出现这样一个界面：
一开始是这样的
点击Open Dir，选择文件夹，打开：
这样图像就加载进来了：
怎样标注它：
点击ok后：
点击Next Image，提示是否保存选保存：
两位数创建两个框，框与框可以重叠，但一定要框准确
依照这个方式，以此类推，都框选出来，然后保存，之后就会生成每一个图片的xml
然后把xml放到ann里，就会生成一些位置
然后就开始运行
可能会需要包，要有这个工具
首先更新pip
--upgrade可能不行因为1.13的版本太低了可以换成--user 更新完pip之后再安装opencv-python这个包
运行过程：
设定了83次
这是正常情况，如果改了模型，发现误差越来越高就表示有问题
运行了之后就会在model里生成一个h5文件，这就是最终生成的文件
用test测试
测试集里有几张图片，
加载h5文件，
加载进来之后会生成结果
例如：测试时是一个2，2的旁边会有一个框，在框的头顶有一个准确率，模型认为91%是2，就是0.91
如果有的时候设置的准确率超过50%才显示，但是发现这个地方明明是2，但是不太确定，只有40%的可能性，那么40%<50%，结果就出不来
这个模型默认是30%，超过30%就认；低于30%，太低了就不认，结果就出不来
老师还给提供了两套数据集
第一套：遥感数据集
可以将楼框起来，进行识别
第二套是猫的，
也可以框起来识别猫
