1. 分析问题：需要解决的是哪种类型的问题，图像分类问题还是目标检测问题，等等。
a. 图像分类问题：这张图属于猫，还是狗（同时有猫狗时，就傻了）。
b. 目标检测问题：一张图中是否存在猫或者狗等等，存在的话，在哪？用矩形框标识（x,y,w,h)
2. 根据问题选定模型，比如分类问题，选择mobilenet，检测问题使用YOLO
3. 问题分析，耗时和精度分析，这两者常常是矛盾的。
精度要求高，输入图片可以更大，特征更明显；网络可以更复杂，如YOLOv5中 包含n,s,m,l,x五种网络，网络宽度和深度依次递增。精度越高，耗时也越长，对机器性能要求也更高；
对于某些问题精度到99%就足矣，但对时效性要求很高，那就可以选择网络相对简单，输入图像也可以相对较小。
4. 数据集准备：数据集要求跟实际应用场景一致或者相似。数据集充分，均匀分布，涵盖不同应用场景（天时（不同天气）、地利（不同地点）、人和（不同类型目标）），要求标注准确、精确。
例：
每个类的图像：每个类最好 >=1500 张图像 （图像个数）
每个类的实例：推荐每个类≥10000个实例(标记对象)（每个类里面的东西的个数）
图像的多样性：必须能代表所部署的环境。对于现实世界的用例，我们推荐不同时间、不同季节、不同天气、不同光照、不同角度、不同来源(在线抓取、本地收集、不同相机)的图像。
标签的一致性：所有图像中所有类的所有实例都必须被标记。
标签的精确性：标签必须紧紧地围住每个对象。物体和它的边界框之间不应该有空格。任何物品都不应该缺少标签。
5. 超参修改，比如样本是否需要平移，翻转，马赛克等等
6. 开始训练，评价指标：观察mAP@0.5 和mAP@0.5:0.95值，精度稳定不再上升，或者看results.csv文件
7. 使用训练出的模型，应用到实际场景中，搜集异常的数据，重复第6步，不断迭代优化。
8. 大功告成！
