1. 项目背景

由于项目中用到安全带识别算法，所以进行了比较粗略的安全带识别算法的实现，经过我们的资料查阅发现安全帽的识别算法比较普遍，但是安全带的算法比较少，但也不能说没有，几篇罢了，现将实现过程记录如下；

需求：每次传入算法一张图片（或者三维数组），经过算法处理后传出一张图片(或者三维数组)

2. 初次实现（版本1.0）

源码来源：https://github.com/ymzis69/gddw_track3

初始文件来源（冠军初始数据）：https://aistudio.baidu.com/aistudio/datasetdetail/93034

DetectoRS的COCO预训练模型来源：https://download.openmmlab.com/mmdetection/v2.0/detectors/detectors_htc_r101_20e_coco/detectors_htc_r101_20e_coco_20210419_203638-348d533b.pth

权重文件：https://pan.baidu.com/s/1atTqjpRrFKhRGoVDP5RLHg
（密码：isdo）

数据的存放格式如下：

最后环境就只能靠自己去安装了，个人建议电脑内存不高不要玩，因为我记得光基础数据加上权重就近15g

对了，有一点要注意：
init() got an unexpected keyword argument 'label_smoothing'

这个报错原因是由于你自己安装了mmdet，而没有使用项目自带的mmdet包，我是直接将mmdet文件夹改为了mm，但是好像没有太大用处，后来是大佬将没用的代码都注释掉了，仅留了有用的部分

运行的过程按照githut上的运行就可以，当然会报很多错，我记得最后我的报错是cuda（显卡）不能使用，最后用的CPU实现，这个环境中的CPU与gpu的问题最后是大佬解决的，所以。。。。。。。。我就不解释了
CUDA错误：

最后代码：
链接：https://pan.baidu.com/s/1GDteh44MbR86HDFmRNc0xA?pwd=8q28
提取码：8q28

使用说明：修改3test_b.json（这个文件为参照github原文，运行test.sh或者train.sh生成）

最后效果：3test_b.json里为文件名，图片的宽与高等属性生成到tool文件下show_dir下图片

效果图：

参考文章：https://github.com/ymzis69/gddw_track3

结论：项目太大，底层源码不好理解，可以用于生成效果图，不建议加入项目，因为耗时长，接入复杂