拥挤和交叉路口场景中使用轨迹估计的YOLOV4-
要遵循的步骤●实现pytorch兼容性的数据集格式转换●训练yolo4模型●导出模型的训练后的权重●使用UA-DETRAC测试数据集进行测试●轨迹预测。 ●使用新序列进行测试●导出结果
培训硬件：操作系统：Linux（基于Ubuntu 18的Zorin OS 15）处理器：Intel Xeon Silver GPU：Quadro RTX 5000 RAM：256GB
**预处理：**数据集预处理的步骤为：
将数据集分为多云，夜间，晴天和阴雨○MVI_20系列：晴天○MVI_39系列：夜间（很少例外）○MVI_40系列：多云（很少例外）○MVI_41系列：晴天○MVI_63系列：多雨○将数据集分为训练和有效的
一世。 火车中的图像数量：59050 ii。 有效图像数：24741
将UA DETRAC注释转换为VOC XML格式。 ○U
