修改内容：
- data地址、checkpoint地址外移动，若想要制定，则用
--data_dir、--exp_dir - 选择传感器种类，如`--fuse rgb,fir,mir
- 可以在tensorboardX中记录不同类的loss,main_fusion.py可输出不同类的损失（但是总和大于hm_loss有点问题）
- 可以在tensorboardX中记录权重变化
- src/test_code中为自己验证代码功能的测试代码
- 如果想要draw的话，需要在basr_trainer.py的ModleWithLoss_fusion或ModleWithLoss中取消注释，同时model.py中改为model_factory['hourglassdrawing']
- test_nms中可查看单传感器与nms后融合结果,以及任意传感器组合
- main_fusion_test_loader.py中为统一场景输入的融合loader的代码，但是没有结局的mead和std的问题(在opt)中，debug函数、detector类会用到
- large_hourglass_fusion_nms.py实现任意数量的传感器nms后融合
- mAP作为best model指标
- 在hourglassd第207行中加入dropout(不用此方法)
- 在Adam中加入l2 norm(weight_decay=5e-4)
- 考虑加入数据增强来增加数据量
- data_tool.py生成数据
- 数据集加上白天，2999张，五类 {'bike': 889, 'car': 1035, 'car_stop': 1538, 'color_cone': 987, 'person': 3722} {'bike': 586, 'car': 1227, 'car_stop': 1259, 'color_cone': 692, 'person': 2069}
rgb
rgb_mean = [0.181065, 0.171860, 0.175805] rgb_std = [0.275618, 0.261550, 0.266921]
fir
fir_mean = [0.168333, 0.168333, 0.168333] fir_std = [0.202114, 0.202114, 0.202114]
mir
mir_mean = [0.147748, 0.147748, 0.147748] mir_std = [0.183103, 0.183103, 0.183103]
nir
nir_mean = [0.187101, 0.187101, 0.187101] nir_std = [0.271039, 0.271039, 0.271039]
test的时候要注意input size
单传感器：(用统一的exp_id,注意batch_size) 初次训练必须输入的参数:main.py --dataset --arch 必须关闭trainval 例如：python main.py --dataset rgb --arch hourglass
继续训练必须输入的参数:main.py --dataset --arch --resume --log_dir 必须关闭trainval 例如：python main.py --dataset rgb --arch hourglass --resume --log_dir /media/vincent/856c2c04-3976-4948-ba47-5539ecaa24be/vincent/Checkpoint/CenterNet-CentralNet/ctdet/default/logs_2019-12-20-21-20
python main.py --dataset rgb --batch_size 8 --arch dlav0_34 --no_color_aug
测试必须输入的参数:test.py and test_nms.py --dataset --arch --load_model --test_dataset(默认为test) 例如： python test.py --dataset rgb --arch hourglass --load_model /media/vincent/856c2c04-3976-4948-ba47-5539ecaa24be/vincent/Checkpoint/CenterNet-CentralNet/ctdet/single2/rgb/model_last.pth