2022 年 T-Brain「無人機飛行載具之智慧計數競賽」作品。使用 YOLOv7-W6、VisDrone 遷移學習、資料集專屬 Anchor box 與四階段訓練流程，辨識無人機影像中的小型車、大型車、人與機車。
| 項目 | 結果 |
|---|---|
| Team | TEAM_2724 |
| Private Leaderboard | 18 / 236 Teams |
| Private Leaderboard Hmean_TIoU | 0.73922 |
名次與分數來自本人保存的競賽紀錄。官方頁面可確認競賽任務、236 支參賽隊伍與 private leaderboard 規則，但目前沒有可匿名存取、能固定驗證 TEAM_2724 名次的 leaderboard 匯出，因此不將它描述成第三方獨立驗證結果。
將無人機視角的圖片做物件偵測，框出「小型車」、「大型車」、「人」、「機車」四個類別。
Input
Output
原始資料與標註不包含在本 repository；使用者必須從授權來源自行取得。
這四份 notebook 保留當時的訓練方法；為了公開安全，已移除輸出、個人路徑與私人雲端資源識別碼。它們是歷史方法紀錄，不是目前的一鍵訓練環境。
歷史模型訓練使用 2022 年的 Colab、PyTorch 與 YOLOv7 環境。現在可直接重跑的是資料格式、XML 與 Anchor 分析工具，不需要 GPU、資料集或模型權重：
python -m pip install -e ".[dev]"
python -m pytest -q
python -m ruff check .
python scripts/check_repository.py把競賽原始標註整理成 YOLO 格式：
- 原始格式：
類別 idx, 左上 x, 左上 y, 寬度 W, 高度 H - YOLO 格式：
類別 idx 中心點 x 中心點 y 寬度 W 高度 H - 除類別 idx 外，其餘數值都要依照圖片寬高 normalization；分隔符號從逗號改為空格。
準備圖片目錄、對應的競賽標註目錄與輸出目錄後執行：
python to_yolo.py \
--images-dir /authorized/images \
--labels-dir /authorized/labels \
--output-dir /tmp/yolo-labels原始專案使用的資料夾安排如下：
目標是從自己的 Dataset 求出適合的 Anchor box。此時 TXT 已經是 YOLO 格式；工具流程先轉成 Pascal VOC XML，再用 IoU-distance k-means 求出群中心。
python mytxt2xml.py \
--images-dir /authorized/images \
--labels-dir /tmp/yolo-labels \
--output-dir /tmp/voc \
--class-map 0=car --class-map 1=hov --class-map 2=person --class-map 3=motorcycleinput-width、input-height 應與之後訓練及推論的圖片尺寸一致；clusters 是 k-means 的 k 值。
python myanchors.py \
--annotations-dir /tmp/voc \
--input-width 1280 --input-height 1280 \
--clusters 12 --seed 0 \
--output /tmp/yolo_anchors.txt
這次比賽使用官方無人機 Dataset 和 VisDrone Dataset。兩者求得的 Anchor box 都與 YOLOv7-W6 的 COCO 預設值差異很大，尤其缺少涵蓋影像大範圍的大物件 Anchor；這符合無人機俯視影像中物件偏小、密集的特性。因此訓練時使用依各 Dataset 分群得到的 Anchor 尺寸。
當時使用的競賽資料 Anchor：
6,21, 13,14, 11,23
18,23, 13,34, 30,26
22,37, 17,53, 22,71
40,39, 37,67, 77,91
當時使用的 VisDrone Anchor：
4,9, 5,16, 6,25
11,14, 10,35, 16,27
25,19, 19,51, 37,35
34,82, 64,58, 97,130
Anchor 尺寸必須和訓練輸入解析度對應。本 repository 的新版工具固定 random seed 並處理空群，讓相同輸入可產生可重現結果。
模型採用 YOLOv7-W6，訓練解析度為 1280 × 1280。
先在 VisDrone Dataset 訓練 80 epochs，希望模型學到無人機視角下小型、密集物件的特徵。
使用競賽 Dataset 訓練 80 epochs 後，當時觀察到「人」與「機車」類別的表現較弱，拉低整體 mAP，因此進一步調整外部資料的類別映射。
將 VisDrone 中較細的類別濃縮成競賽的四個目標類別。例如把不同型態的行人合併為 person，把轎車與休旅車映射到相同車輛類別，避免來源資料與目標資料的標籤定義不一致。
最後回到目標資料進行 refinement、產生預測，並轉換成競賽要求的提交格式。
因為當時找不到和競賽資料相同視角、且可公開展示的影片，所以使用 Coverr 的高空俯視短片作為定性 Demo。原始 clip 與創作者 metadata 沒有被完整保存，因此這段 GIF 只作為歷史展示，不是量化評估證據。
歷史推論命令
python detect.py --weights best.pt \
--img-size 1280 \
--conf-thres 0.4 \
--iou-thres 0.65 \
--device 0 \
--source demo.mp4Origin
Inference
除了四份歷史 notebooks，repository 也保留可在 CPU、無外部資料的環境重跑的工具：
src/drone_competition_tools/ 標註轉換、XML 匯出與 Anchor 分析
to_yolo.py 競賽標註轉 YOLO CLI
mytxt2xml.py Pascal VOC XML CLI
myanchors.py 可重現 Anchor 分析 CLI
scripts/check_repository.py 隱私與公開檔案契約
tests/ 離線單元測試與 repository 契約測試
figure/ 歷史圖表與定性結果
- Repository 不提供競賽資料、VisDrone 資料、checkpoint、pretrained weights 或 ONNX，因此不是可直接部署的 detector。
- 公開資產不足以重新產生 private leaderboard 成績。
- 歷史 notebook 需要相容的舊版 CUDA、PyTorch、YOLOv7、另外取得的資料與權重才能完整重跑。
- 沒有 latency、robustness、drift、fairness 或正式 production monitoring 評估。
本 repository 不散布 T-Brain 或 VisDrone 的圖片與標註、競賽測試資料、模型權重或 Coverr 原始影片。所有外部資產仍受各自條款約束。歷史 notebooks 含 YOLOv7 衍生內容，因此 repository 使用 GPL-3.0-only，詳細來源與界線見 THIRD_PARTY_NOTICES.md。