1、先尝试默认的参数进行训练
2、图片数据要足够，官方建议的是超过1500张
3、图像要变化（时间、角度、光线、大小、不同相机等）
4、物体要标注精确，尽量做到boundingbox和物体之间没有间隙
5、增加背景图片（No label），数量大概占据0~10％。这可以降低FALSE POSITIVES(FP)。背景图片的标签文件.txt文空文件，但是文件名要对应。
6、使用YOLO家族大型模型，一是训练慢，二是后面预测慢，但是优点在于精度高
7、默认300epochs，如果发生过拟合了，我可以减少epoch
8、当小目标多的时候，分辨率高训练效果好。因此可以设置--img 1280。如果训练的时候改了--img参数，那么预测也要改
9、batch-size应该尽可能大，因为其除了影响训练速度外。如果batch-size太小，会产生不好的batchnorm statistics（BN）
