python版 MOTChallengeEvalKit 评估工具运行,运行MOT评估工具

最新推荐文章于 2024-05-27 09:31:10 发布
最新推荐文章于 2024-05-27 09:31:10 发布
阅读量2k 收藏 31
点赞数 2
分类专栏： MOT JAVA 文章标签： python pytorch 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_39821101/article/details/115708051
版权
本文介绍了如何使用Python版的MOTChallenge评估工具，包括从官方GitHub下载工具，处理跟踪结果，安装MATLAB2020a，创建Python3.7环境，配置MATLAB与Python的交互，以及在PyCharm中设置评估程序和执行过程，最终获得多目标跟踪的评估结果。
摘要由CSDN通过智能技术生成

@多目标跟踪MOT评估工具的使用

MOT官网 评估工具下载地址

https://github.com/dendorferpatrick/MOTChallengeEvalKit

下载跟踪后的结果results（以MOT17为例）

链接：https://pan.baidu.com/s/1CkPse7rcx53qOEy8YlU6qw
提取码：rlwj

  1. 安装matlab2020a,网上有很多安装教程，可自行查找
  2. 因为要Python和matlab混编，故先创建环境。
    目前matlab2020a最高支持python3.7版本，用conda创建python3.7环境
conda create -n python3.7 python=3.7

3.在matlab软件安装路径下，找到文件目录“./extern/engines/python”，具体如下所示（红色框选的文件为原始存在的文件）:

最低0.47元/天 解锁文章
大千视界
关注
专栏目录
MOT python版本填坑
u013073518的博客
08-18 285
多目标跟踪数据集 MOT：https://motchallenge.net/ 多目标跟踪数据集 检测文件标注格式: <frame>, <id>, <bb_left>, <bb_top>, <bb_width>, <bb_height>, <conf>, <x>, <y>, <...
MOTchallenge评测工具的使用：motchallenge-devkit
sh6749926的博客
09-14 1963
MOTchallenge评测工具的使用：motchallenge-devkit材料准备Matlab的安装TDM-GCC下载motchallenge-devkit下载实际操作（傻瓜式）编译gcc文件修改路径运行即可 材料准备 Matlab的安装 略 TDM-GCC下载 参考链接： https://blog.csdn.net/u011435907/article/details/105518489 motchallenge-devkit下载 链接：https://pan.baidu.com/s/1QuuEDx
MOTChallengeEvalKit
05-14
官方MOTChallenge评估套件 该存储库包含所有挑战的评估脚本，可在。 该devkit替代了以前可通过访问的先前版本，并且不再维护。 - IMPORTANT! - The MOT evaluation code is not any longer maintained. 请访问。 要求 Python（3.6.9或更高版本） MATLAB（已通过R2020a测试，其他版本也可以工作） 目录 所有评估脚本均采用以下目录结构： ./res 该目录包含跟踪结果（针对每个序列）； 结果文件应放置在子文件夹中 ./seqmaps 所有受支持的不同基准的序列表 。/数据 此目录包含基本事实数据（针对几个不同的序列/挑战） ./vid 该目录用于结果或注释的可视化 评估脚本 此提供了针对的以下挑战的评估脚本： MOT-多对象跟踪-MOT15，MOT16，MOT17，MOT20 - IM
MOT官方评估工具安装与使用+py-motmetrics Python版本评估程序使用
qq_51682716的博客
08-31 3614
MOT官方评估工具安装与使用 MOT官方评估工具：motchallenge-devkit（基于MATLAB） MATLAB需要一个运行C/C++编译环境：TDM-GCC安装 百度网盘链接： 链接：https://pan.baidu.com/s/1QCNp7FWqXu_B82o-Q3cI3A 提取码：lc7w 所包含内容： tdm64-gcc-9.2.0.exe 安装未成功，存在error tdm64-gcc-5.1.0-2.exe 系统提示版本过旧，需安装新版本，安装未成功 tdm64-gcc-1
发现多目标追踪的未来——MOTChallenge评估工具箱
最新发布
gitblog_00097的博客
05-27 315
发现多目标追踪的未来——MOTChallenge评估工具箱 项目地址:https://gitcode.com/dendorferpatrick/MOTChallengeEvalKit 在复杂动态场景下实现精准的目标跟踪是计算机视觉领域的一大挑战。今天，我们要向您推荐的是一个不可或缺的开源工具——MOTChallenge官方评价套件。这个项目旨在为多目标跟踪领域的研究者和开发者提供一套权威的评估标准...
mot数据集_基于MATLAB的MOT官方评估工具
weixin_42300418的博客
12-04 1534
MOT数据集数据集地址：MOT Challenge数据集格式：MOT Challenge，MOT17数据集格式_bug++-CSDN博客_mot数据集格式本实验是基于mmdetection框架faster rcnn，数据集格式为将MOT17-Det转化成VOC格式进行训练，对于训练集的结果利用以下脚本转化成标准格式数据集处理及训练参照以下几篇文章：HUST小菜鸡：将MOT17-Det数据集转成VO...
使用基于Matlab的官方motchallenge-devkit评估工具进行多目标行人跟踪检测
TTTree_的博客
10-08 2752
最近在跑多目标跟踪的代码，研究了一下怎么对测试结果进行评估。踩了一下坑，下面是详细步骤。 MOT数据集 官网：https://motchallenge.net. 测试用的数据集是MOT16、17.。MOT16、MOT17和MOT17 Det的训练集数据相同，MOT17 Det是针对行人检测的数据集，标签文件和前两个有所不同。 数据集介绍：https://blog.csdn.net/u0124351...
HexView；Bin，S19，Mot，Hex编辑查看工具
06-29
环境：Windows操作系统。 版本：V1.08。 描述：专业的bin，s19，mot，hex文件查看互转工具。 详情：可查看hex,bin及s19等多种格式的文件，还有比较、合并等功能，使用非常方便。
py-motmetrics:在Python中对多个对象跟踪器（MOT）进行基准测试
05-07
py-motmetrics库提供了Python的度量实现，用于对多个对象跟踪器（MOT）进行基准测试。 虽然对单个对象跟踪器进行基准测试非常简单，但是要测量多个对象跟踪器的性能，需要谨慎设计，因为可能会出现多个对应星座...
MOTChallenge 2015
12-01
多目标跟踪评价标准：MOTChallenge 2015，论文加代码 matlab
使用MOT评测工具TrackEval评测自己的数据集
gubeiqing的博客
03-21 8515
TrackEval使用教程,并评估自己的数据集
MOT Challenge评价算法代码运行
weixin_43688482的博客
03-21 1805
MOT Challenge 评价代码运行前言一、评价算法代码二、修改步骤1.下载评价代码，解压2.存放自己的跟踪结果文件3.运行程序总结 前言 之前收到私信说不知道MOT Challenge的评价算法怎么修改运行，这里将以MOT17为例，讲解如何将提供的代码修改成自己想要的数据集，并运行自己的跟踪结果 一、评价算法代码 这里附上本人已经修改好的代码链接：MOTChallenge评价代码 这里的评价代码是本人在2019年下载的，最新的评价算法有所变动，但本人尝试了MATLAB版本的，发现代码有BUG，如果
Matlab使用 ‘MinGW64 Compiler (C++)‘ 编译。错误‘fabs‘ was not declared in this scope 解决办法
qq_39204044的博客
12-19 3561
MOTChallengeEvalKit 评估工具运行,运行MOT评估工具的方法在下面这篇文章中， 点击这里 但是matlab安装’MinGW64编译器后会出现’fabs’ was not declared in this scope的问题。导致这里不能完成。 原因是MinCostMatching.cpp文件中没有加math.h这个头文件 加入下面的头文件即可 然后就可以编译通过 ...
【YOLO】YOLOv5+Deep Sort 实现MOT评估（开源数据集+自定义数据集）
qq_44703886的博客
03-30 4011
引言 YOLOv5+Deep Sort 实现目标跟踪，并利用MOTChallengeEvalKit实现多目标跟踪结果的评估。 YOLOv5+Deep Sort 实现目标跟踪可以参考笔者的 实现步骤 1 安装MATLAB 安装MATLAB MATLAB是一款商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，主要包括MATLAB和Simulink两大部分，可以进行矩阵运算、绘制函数和数据、实现算法、创建用户界面、连接其他编程语言的程序等，主要应用于工程计算、控制设计、信
[MOT Challenge]官方生成多目标跟踪算法性能评价指标结果，解决test数据集没有gt文件和官网注册问题
Bartender_VA11的博客
04-25 4688
多目标跟踪benchmark MOT challenge的使用流程以及注册流程，解决Test数据集为什么没有gt
MOT（多目标跟踪）指标理解及源码分析
qq_42779673的博客
08-10 4475
MOT指标个人理解及源码分析： 官网指标： 官网的指标 还有一篇讲的比较好的中文博客：博客 但是我对其中一些细节还是没有特别理解，就仔细看了论文以及MOT官方给出的计算评价指标的源码，在此加以总结和记录。 前言 检测对象：该帧中检测器检测到的目标 跟踪对象：当前所有的轨迹（由之前每一帧成功匹配的检测目标组成） 图2 如图2是某一帧中的跟踪结果以及ground truth，这里虚线是我们的跟踪结果，实线带填充的是ground truth，因为是MOT数据集所以得出的结果都是带id号的，黑色的是groun
python调用Matlab函数
ControlLearner的博客
03-22 1325
准备工作 1.确认已安装Matlab和Python； 2.Matlab2020a仅支持python2.7、3.6、3.7(matlab2016或者2019应该等同) 3.将包含Pyhton解释器的文件夹添加到环境变量PATH matlab命令行窗口键入 matlabroot windows系统中 cd "matlabroot\extern\engines\python" python setup.py install` Mac活Linux系统中 cd "matlabroot/extern/engine
yolo_tracking项目val代码解析
danger2的博客
03-27 571
中解析出 MOT（多目标跟踪）挑战的结果，具体是提取 COMBINED HOTA、MOTA 和 IDF1 这三个指标的值。这段代码的功能是从一个字符串。
如何评估MOTA，有没有python版的评估脚本
03-29
MOTA（Multiple Object Tracking Accuracy）是评估多目标跟踪算法性能的指标之一，它是跟踪器对目标轨迹的准确性、漏检率和误检率的综合评估。通常情况下，MOTA越高，说明跟踪器的性能越好。 评估MOTA的常见方法是使用公开数据集，例如MOTChallenge数据集，对跟踪器进行测试并计算MOTA值。通常情况下，数据集提供了跟踪器的输出结果和真实轨迹，可以使用这些数据进行评估。 在Python中，可以使用开源的MOTChallenge toolkit来评估跟踪器的性能，该工具包包括多个评估指标，包括MOTA。具体可以参考以下步骤： 1. 下载MOTChallenge toolkit，并解压缩到本地目录。 2. 准备测试数据集，可以从MOTChallenge官网下载。将数据集解压缩到一个目录中，并确保包含ground_truth和test文件夹。 3. 运行评估脚本，例如： ``` python2.7 motmetrics/apps/eval_motchallenge.py \ --groundtruths /path/to/ground_truth \ --tests /path/to/test_results \ --eval MOTA \ --tracker_output_format 'mot_challenge' ``` 其中，/path/to/ground_truth和/path/to/test_results分别是数据集的ground_truth和test文件夹的路径。--eval MOTA表示计算MOTA指标，--tracker_output_format 'mot_challenge'表示结果格式与MOTChallenge数据集一致。 4. 程序运行完成后，输出MOTA指标的值。 以上是评估MOTA的一种方法，也可以根据具体情况选择其他评估工具或自行编写评估脚本。
评论 11
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值