【win10】搭建MMTracking算法库环境

Anima1023

已于 2023-05-12 11:03:10 修改

阅读量805

点赞数 2

分类专栏：从零开始的目标跟踪文章标签： python 深度学习目标跟踪计算机视觉目标检测

于 2023-03-10 11:33:35 首次发布

本文链接：https://blog.csdn.net/qq_45042706/article/details/129430574

版权

从零开始的目标跟踪专栏收录该内容

1 篇文章 0 订阅

订阅专栏

MMTracking官方地址：https://github.com/open-mmlab/mmtracking

官方中文安装手册：https://mmtracking.readthedocs.io/zh_CN/latest/install.html

搭环境可以参考这篇文章，已经很详细了：https://blog.csdn.net/weixin_41010198/article/details/112291036

最近刚跟导师定下研究生课题做目标跟踪，从现在起开工力（目前放养中，导师也对跟踪不是很熟，希望能和各位大佬多多交流！）
这里主要记录自己win10系统下的环境搭建过程，包括踩过的坑

所需依赖：

Linux | macOS | Windows

Python 3.6+

PyTorch 1.3+

CUDA 9.2+ (如果您从源代码构建 PyTorch, 那么 CUDA9.0也是兼容的)

GCC 5+

MMCV

MMDetection

1.Anaconda中创建并激活虚拟环境

我这里用的是python 3.8

conda create -n mmtracking python=3.8 -y
conda activate mmtracking

2.安装pytorch

conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidia

根据自己的电脑配置，在pytorch官网安装对应版本。（我在这之前以及安装了对应的CUDA和cuDNN）
注意：请确保 CUDA 编译版本和运行版本匹配。可以在pytorch官网官网查看预编译包所支持的 CUDA 版本。

3.为VOT数据集测试评估安装额外库（可选）

如果您想要在 VOT Challenge 上进行评估，请在安装 mmcv 与 mmdetection 之前安装 vot-toolkit ，以避免可能出现的一些依赖间的 numpy 版本要求冲突

pip install git+https://github.com/votchallenge/toolkit.git

4.安装mmcv-full

直接使用

pip install mmcv-full

这里我个人安装mmcv-full的步骤与官网推荐的不同，因为在官网预构建包中当时没找得到对应版本
并且遇到ImportError: DLL load failed while importing…等问题
注意：要确保您的环境里只有一个mmcv-full

5.安装mmdet

直接

pip install mmdet

6.克隆MMTracking repository到本地

在您的目标文件夹下，如D:\Programme\Tracking\mmtracking，进入cmd并激活环境
然后

git clone https://github.com/open-mmlab/mmtracking.git
cd mmtracking

7.首先安装依赖，然后安装 MMTracking

pip install -r requirements/build.txt
pip install -v -e .  # or "python setup.py develop"

8.安装额外的依赖

为 MOTChallenge 评估：

pip install git+https://github.com/JonathonLuiten/TrackEval.git

为 LVIS 评估：

pip install git+https://github.com/lvis-dataset/lvis-api.git

为 TAO 评估：

pip install git+https://github.com/TAO-Dataset/tao.git

验证
为了验证是否正确安装了 MMTracking 和所需的环境，我们可以运行 MOT、VID、SOT 的示例脚本。
在项目目录下打开cmd，激活mmtracking环境，输入下面代码

python demo/demo_mot_vis.py configs/mot/deepsort/sort_faster-rcnn_fpn_4e_mot17-private.py --input demo/demo.mp4 --output mot.mp4

运行成功后会在当前项目文件夹中生成一个名为mot.mp4的文件

从视频中截的图环境搭建到此就算是成功啦，如果有不好的地方欢迎各位大佬指正，感谢！