一、前情介绍
之前在捣鼓yolo系列模型，尝试着对coco的羊数据集进行训练，可是发现不管怎么调参，Map一直在60几，死活上不了70。
后来在一位资深老算法师的指点下，才明白，精度很大程度取决于数据集，因此一直围绕着数据集进行优化，这篇博客大概记录了对脏数据的清洗方法。
二、下载模型
代码地址：https://github.com/AlexeyAB/Yolo_mark
因为该模型是使用了底层工具开发的，所以笔友们在使用前需要先安装VS studio（博主装的是VS studio 2019），CMake（CMake安装可以使用VS或者自己下包安装），opencv（博主装的是opencv4.2）
具体安装可以参照此博客
三、模型安装
在安装Yolo_mask之前，请笔友们先安装CMake和OpenCV，安装结束后导入main.cpp文件（根文件中）
点击属性→VC++目录→包含目录与库目录，将opencv这个库导进去，具体教程网上很多，这里写下来篇幅就更长了，故一笔带过。
注！！！一定有要根据自己的系统位数，博主的系统是64位的，平台要选择x64，如上图，配置一定要选择活动（Release），不要默认为debug，无法运行！！！
四、运行与结果
4.1 配置文件
首先将数据集的image和label文件复制粘贴进img文件中
然后修改下data文件和names文件
点击yolo_mark.cmd脚本文件，会自动弹出终端窗口，以及操作界面，具体如下：
此时，我们就可以对数据进行处理了，通过这个脚本文件可以看出哪些是遮挡严重或者标注不正确的数据（黄线为标注不正确的label），如下：
最后，对这些脏数据进行清洗，就可以提高模型map，博主就是通过这种方式，将模型精度从最开始的67，直接飙到了89，不吹不黑，精度靠数据，性能靠硬件。