基于YOLOv5s的车辆检测，完成Android版本车辆检测模型算法开发，APP在普通Android手机上可以达到实时的检测和识别效果，CPU(4线程)约30ms左右，GPU约20ms左右 ，基本满足业务的性能需求。
1.数据集处理
（1）车辆检测数据集
收集约10W+的车辆检测数据集：UA-DETRAC车辆检测数据集+Vehicle-Dataset车辆检测数据集+BITVehicle车辆检测数据集。
（2）自定义数据集
如果需要增/删类别数据进行训练，或者需要自定数据集进行训练，如下步骤：
采集图片，建议不少于200张图片；
使用Labelme等标注工具，对目标进行拉框标注：labelme工具；
将标注格式转换为VOC数据格式；
生成训练集train.txt和验证集val.txt文件列表；
修改engine/configs/voc_local.yaml的train和val的数据路径；
重新开始训练。

2.训练测试模型
训练完成后，在模型输出目录中有个results.csv文件，记录每个epoch测试的结果，如loss,mAP等信息；
训练模型收敛后，yolov5s车辆检测的mAP指标大约mAP_0.5=0.57192；而，yolov5s05_416 mAP_0.5=0.47022左右；yolov5s05_320 mAP_0.5=0.44788左右。