1. 使用原在imagenet上训练好的weights用于特征提取
darknet53.conv.74
可从yolo官网下载
2. 车辆检测数据集及其label制作
a. voc
car类包含1161张图片，可以提取出来
b. coco
car类别提取，转换为voc格式
c. car dataset
仅包含车辆图片，可以用作车辆检测，也可以用作后续车牌识别
需convert成voc格式
问题：中文车牌数据集？
3. 对yolo的配置文件进行修改
a. 修改.data
b. 修改.names
c. 修改.cfg
classes改为1，如果只想检测car这一类的话
filter数量的选择，一般为3x(5+num_classes)
注意：修改完要重新编译（先make clean再make）
4. 训练
5. 测试mAP
其他：
1. 对新建立的训练数据集，重新聚类确定anchor
2. 训练完成后，可以L1剪枝，删除多余卷积核，注意之后再finetune一下保证精度
（疑似pytorch或caffe model更好用，但不知速度如何）
3. tiny-yolo也可以训练一下，对比二者的精度和处理时间。
如何判断长时间停车：
如果不结合车牌，必须进行追踪
如果结合车牌识别，可以降低检测频率，如10s一次，判断这个车是否一直在视线内即可。