感谢百度开源，工程使用paddle框架

Car2024是文件数据集和主要的目标检测文件夹，在work/work/DataAnalyze文件里面生成针对这个赛区官方数据的详细解析，在work里面是官方提供的工作代码。 随后使用copy-paste等技术将数据增强，得到相对满意的数据，train_x.json文件是经过数据增强得出的数据，在ipynb打印出在模型数据，数据不出问题后开始训练只需要重命名最后一个json文件。

在训练阶段，将常规的数据增强技术（如翻转、旋转、颜色调整等）应用于加载的图像。这些操作是动态进行的，只影响当前训练周期内的图像，不会更改磁盘上的图像或JSON文件。

在paddle2.3.2版本之中，官方paddledetection添加了动态增强，数据只能进行翻转旋转，我尝试增加了颜色变化和其他动态增强方案，但是因为版本号不支持不能使用。

在此项目之中，ipynb文件里面设置的关于文件配置的位置没有规定好，根据自己的项目文件位置选择性的改正读取图像信息json文件等一系列文件读取路径问题。

项目建立了一个小模型来进行数据蒸馏test，可以体量更小更加轻量的训练模型来改正真正数据的模型参数问题。

在test/work文件里面设置了分出数据代码、按比列区分验证集和数据集代码、生成txt文件代码、查看图片是否重复代码，代码可用但是需要自己改正项目位置。

建议数据蒸馏时候记录下全部参数，将所选模型的yaml文件的epoch记录下来，按照比例慢慢来去扩批次。

Plote：

胜负非取胜者之全部,攻城掠地也绝非目的。真谛所在,乃是在征战的硝烟中,历练锻造自我,淬火重塑心智。唯有胸怀崭新气象,毅然矢志高阶,方能在赫赫征途中乘风破浪、扬帆远航,成就非凡。

青春少年,气盖风云,理应奋然踌躇满腔,超然物外勠力追求。赛场非单凭一朝一夕而斯人独得,实需泰然自若历万重践,孜孜矻矻而勇攀巅锥。

万丈赓续,孳孳而新篇,惟有傲然凌云自许,方能于艰辛求索中领略人生至理。非一蹴而就,斯道必由曲折蜿蜒而至;非坎坷跫音,殆无蹉跎岁月而奋飞。​​​​​​​​​​​​​​​​

初心高于胜负，成长胜于输赢，祝各位十九届全国智能车比赛取得好成绩！