train

数据标注+train

1.数据采集

将下面文件放在samples/cplusplus/level1_single_api/5_200dk_peripheral/ascendcamera/out 下，和main 在同一目录下

capimg.sh

#capimg.sh
n=3000 #不能写成n = 3000, 多的空格会引发语法错误
for((i=0; i<=n; i++))
do
 ./main -i -c 0 -w 1280 -h 720 -o ./output/$i.jpg >log.txt --overwrite
 echo $idone
done

其中参数 n 为采集图片张数 ; 参数 -w 1280 为录制视频的宽；参数 -h 720 为录制视频的 高；默认输出图片文件在同一目录下。

修改 capimg.sh 文件的权限，使文件可执行。

chmod +x capimg.sh

运行脚本

bash capimg.sh

数据采集需要考虑关键要素：数据的多样性，包括

1. 光线
2. 小车位于车道哪个位置（偏左、偏右、居中）
3. 小车前进方向和小车与车道角度（直行、S 形行驶）
4. 视野内有无障碍物
5. 车道周边的环境

2.数据标注

工具及其源码：https://ww0.lanzouq.com/ik5PD24i7ksf

2.1将数据放到${HOME}/code/tools/ATool/img下

2.2启动标注工具

#安装依赖库
sudo apt-get install libopencv-dev
sudo apt-get install libjsoncpp-dev
sudo ln -s /usr/include/jsoncpp/json/ /usr/include/json

#编译
cd $HOME/code/tools/ATool/build
cmake .. && make -j4 #开4进程加快速度

#运行
./ATool

#注：如果there is no application installed for shared，报错显示没有该指令执行需要的软件，根据报错安装后重试即可

鼠标所在的位置有一个移动的点，从屏幕下方的中间（代表小车摄像机的位置）到鼠标之间有 一条辅助线，代表小车的前进方向。屏幕中间有一条水平的辅助线，标注方法如下：

在辅助线上下，选择一个道路中间的白点，点击鼠标 按 N 切换下一张图像 等所有图像标记完成后，软件自动退出，标记结果位于 ATool/label

如果有标记错误的点，只需要在正确的点重新点击一次，错误的点即可自动删除。

注意：一定要把标注完的标签（json 文件）和图像放置在一个文件夹里。并且要保证采集的图像 的文件名里只有一个“.”，不然标注脚本识别匹配不出正确的 json 文件名

2.3数据集划分

终端处于code/Algorithm-Lane_Detection/algorithm目录下

执行代码前，请根据下图提示更改 code/Algorithm-Lane_Detection/algorithm/1_generate_list.py中的路径内容

注：没有 hdf5 的话自己在文件夹内创建

python3 ./1_generate_list.py
#该脚本会将数据集划分为训练集和验证集，并将图片放置于各自独立的文件夹，分别生成文件
列表。

2.4数据格式转换

Caffe 中使用 LMDB 作为默认的二进制文件格式，但 LMDB 格式只支持单标签的标注。而在 我们的任务中，类别标签有两个数字，分别为预测点的 x、y 坐标。所以需要用到 HDF5，一种 支持多标签的二进制文件格式，来存储图片和对应的坐标。

终端处于 code/Algorithm-Lane_Detection/algorithm 目录下

执行代码前，请根据下图提示更改 code/Algorithm-Lane_Detection/algorithm/2_convert_hdf5.py中的路径内容

3.创建华为云服务器

最后根据公网IP连接SSH进行远程操作

4.配置服务器环境

4.1配置anaconda3

cd /root
wget https://repo.anaconda.com/archive/Anaconda3-2021.11-Linux-x86_64.sh

如果出现 ERROR 403:Forbidden，则需要加入一个参数--user-agent="Mozilla"

#修改环境变量
vim /etc/profile

#最后一行加入
export PATH=/root/anaconda3/bin:$PATH 
#保存退出

source /etc/profile

#查看是否安装成功
conda info

#由于华为的原因，需要额外加入这句,否则会报错
conda config --set ssl_verify false

#创建虚拟环境
conda create -n caffe python=3.6.10

# 首次使用 source activate 命令激活虚拟环境 caffe
source activate caffe

#进入虚拟环境
conda activate caffe

4.2安装caffe

conda install -c defaults caffe-gpu