Tracking(目标跟踪):Mot(多目标跟踪系列)-FairMot,快速入门代码、小白都看懂

Tracking系列_fairmot(多目标跟踪算法)_源码_第一步（demo和训练）：

源码：
https://github.com/ifzhang/FairMOT
论文（A类期刊：IJCV2021，含金量杠杠滴）：
https://arxiv.org/abs/2004.01888

---

代码解读（使用说明书）：

一、环境搭建

1、需要conda:

什么？没conda，请👈安装，这一步完成，已经完成30%了，接下来就是傻瓜式操作了。
很快、简单啊，我求你安装一个吧，栓Q。
 

2、conda安装python和其它环境包：

先把源码下载下来，之后开始搭建环境
源码的作者建议： python=3.8 and pytorch >= 1.7.0

conda create -n FairMOT python=3.8 #-n 代表环境名字
conda activate FairMOT #激活这个叫FairMOT的环境
conda install pytorch==1.7.0 torchvision==0.8.0 cudatoolkit=10.2 -c pytorch #这里安装torch等工具包
cd ${FAIRMOT_ROOT} #进入你git下的源码
pip install cython
pip install -r requirements.txt #安装其它依赖库

 
 

二、运行起来，5分钟快速出效果（用lol的话来说，选择完英雄，接下来就是英雄的QWER技能学习）

1、整体的代码查看

请直接操作src文件里的代码
 

2、src里的代码查看

简单说说：
opts.py——操作输入的参数的（就是你英雄配置什么装备，不能乱搞，不然就是盖伦出蓝水晶。）
demo.py——简单运行个网络看看效果
track.py——追踪功能的代码（这个就是英雄的QWER说明）
train.py——训练网络的入口

 

3、实现

👉快速出演示效果

主要3个地方（demo.py+opts.py+模型）

• 第1、下载一个训练过的模型，

https://drive.google.com/file/d/1iqRQjsG9BawIl8SlFomMg5iwkb6nqSpi/view?usp=sharing

• 第2、设置opts.py

--load_model 设置上一步下载好的模型权重位置

在opts.py的19行
–gpus写-1是用cpu，写0代表第一个gpu

–input-video要测试视频的位置
–output-root测试完视频的输出位置

接下来在命令行中写入这些参数，并执行demo.py这个文件

例子：
python demo.py mot --load_model …/models/fairmot_dla34.pth --conf_thres 0.4 --input-video ./video 001.mp4 --output-root ./result
例子解读：
代表我用…/models/fairmot_dla34.pth这个位置的模型，
阈值0.4（这个不懂的先不管），
测试./video 001.mp4这个视频，
并把视频效果输出到./result这个文件夹。
效果演示：

👉我要训练
主要3个地方（train.py+opts.py+数据集）

• 第1、装备数据集（标签格式和train、val图片位置怎么放）
  编写数据集的路径文件（这里我用crowdhuman举例，创建编写crowdhuman.json）
  json都在src/lib/cfg下面（作者都配了很多，复制改一下就可以了）
  
  查看json格式，设置画红框的地方
  这时有人就会问，这.train和.val怎么来的？请往下看
  
  .train和.val文件就是训练和验证集图片的位置信息，这样搞：
  查看该文件
  
  这程序就是将crowdhuman数据集格式转换成.train和.val的fairmot训练格式

crowdhuman下载地址：https://www.crowdhuman.org/记得下载后文件目录格式如下

crowdhuman
|——————images
| └——————train
| └——————val
└——————labels_with_ids
| └——————train(empty)
| └——————val(empty)
└------annotation_train.odgt
└------annotation_val.odgt

设置好红框里crowdhuman路径参数，然后执行gen_labels_crowd_det.py代码，就会生成train.val

• 第2、训练开始（选择网络，设置opt.py）
  设置opt.py
  –data_cfg填写上面的.json文件位置
  比如上面就填写src/lib/cfg/crowdhuman.json
  
  –arch默认是dla_34这个网络，比较大，我训练用的是yolo5s，填yolo
  接下来在命令行中写入这些参数，并执行train.py这个文件

例子：
python train.py mot --exp_id all_yolov5s --data_cfg src/lib/cfg/crowdhuman.json
–batch_size 8 --arch yolo
例子解读：
代表我用yolov5s这个检测网络训练这个mot模型，数据集用的是crowdhuman。
训练演示：

还有很多学习率、模型保存位置等参数、超参数，后面有机会再说。。。

最后：

有兴趣的同学朋友相互讨论技术