##安装包
pytorch
numpy
sklearn
skimage
imgaug
json
cv2
pillow
matplotlib
python main.py --file ./test.txt --size 416 --weights yolov3.weights --cfg yolov3.cfg --feat --feat-type yolov3 --feat-save FEAT
file 数据路径
size 图像尺度
weights yolov3模型文件路径
cfg yolov3配置文件路径
feat 功能开关，打开开关能够实现特征提取
feat-type 提取的特征类别
feat-save 存储特征的位置【若为空，将会存储在与输入文件【REMAP】相对性的特征存储目录【FEAT】下】
同时会输出不存在的文件列表，与数据路径同目录
python main.py --file ./test.txt --clusters 2 --feat-type yolov3 --save cluster --cluster
file 数据路径
cluster 类别数量
feat-type 使用的特征类别
save 输出文件的存储路径
同时会输出不存在的文件列表，与数据路径同目录
输出文件为：dict_filename.txt file_cluster.txt index_cluster.txt out_cluster.txt dict_filename.txt： 为字典格式数据 存储含义： {"类别1":[图片1， 图片2], "类别2":[图片1， 图片2]} 存储示例： {"1":["xxx.jpg", "xxx.jpg"], "2":["xxx.jpg", "xxx.jpg"], ... ,"n":["xxx.jpg", "xxx.jpg"]}
file_cluster.txt： 按照文件列表存储 存储含义：类别 图片名称 存储示例： 1 xxx.jpg 1 xxx.jpg 5 xxx.jpg 2 xxx.jpg
index_cluster.txt: 按照文件列表顺序存储 存储格式为字典格式 存储含义：{"图片ID": 图片} 存储示例： {"0":图片0, "1":图片1, ..., "n":图片n}
out_cluster.txt 根据文件列表存储 存储含义：类别【与文件顺序对应】 存储示例： 0 1 1 0 2 5
python get_one_index.py --file weights/cluster_test/dict_filename.txt --save ./weights/cluster_test/ --outfile one_index_10000.txt
file 聚类生成的字典 save 存储路径 outfile 存储名称
输出为指定的outfile路径： 存储的为图片的路径列表
python main.py --filter-extend --pre-data weights\test\file.txt --ext-data weights\test\file_0906.txt --ext-thresh 0.995 --ext-save weights\test\file_extend.txt
filter-extend 功能开关 pre-data 历史数据图片列表 ext-data 新增数据图片列表 ext-thresh 过滤阈值 ext-save 存储路径 同时会输出不存在的文件列表，与数据路径同目录
输出文件：指定的ext-save的文件路径，指定存储路径_ext.txt 指定存储路径_match.txt 指定的ext-save的文件路径： 此文件存储原始的文件列表+新增加的文件列表
指定存储路径_ext.txt 此文件只存储新增加的文件列表
指定存储路径_match.txt 此文件以字典形式存储 存储为与新增文件最相似的文件，以及相似度{"新增文件1.jpg":[最相似文件.jpg, 0.9998], "新增文件n.jpg":[最相似文件.jpg, 0.9998]} 存储示例： {"12345.jpg":["1111.jpg", 0.998]}