安装环境的方式测试的参考:
开始 -
作者:
https://github.com/ifzhang/FairMOThttps://github.com/ifzhang/FairMOT
首先下载数据集:
CrowdHuman_train01.zip、CrowdHuman_train02.zip、CrowdHuman_train03.zip、
CrowdHuman_val.zip、CrowdHuman_test.zip
annotation_val.odgt、annotation_train.odgt、crowdhuman_dla34.pth
在FairMOT-master根目录下创建\dataset\MOT\CrowdHuman
创建的格式按照作者的方式:
crowdhuman
|——————images
| └——————train
| └——————val
└——————labels_with_ids
| └——————train(empty)
| └——————val(empty)
└------annotation_train.odgt
└------annotation_val.odgt
具体如下:
打开\FairMOT-master\src\lib\cfg\data.json
======================2021.11.30.02.18=================
成功训练
先睡觉
======================2021.12.01.11.27=================
更新:
今天先尝试一下2D MOT15训练
1.作者说这么准备数据集:
MOT15
|——————images
| └——————train
| └——————test
└——————labels_with_ids
└——————train(empty)
(1)将2DMOT2015解压,放入./FairMOT-master/dataset/MOT/MOT15(这里可以是你自己新建的数据集)目录下,解析完成后。MOT15内有train和test两个文件夹,里面存着train和test数据。
(2)在./FairMOT-master/dataset/MOT/MOT15目录下新建一个labels_with_ids文件夹,里面建一个空的train文件夹。
然后下载seqinfo 文件,将 seqinfo 文件夹中的 *.ini 复制到 MOT15 对应的文件夹中。
详细一点是:
ctrl+L 获取文件路径
/home/se8502/FairMOT-master/dataset/MOT/MOT15/images
/home/se8502/FairMOT-master/dataset/MOT/MOT15/labels_with_ids/train
2. 打开 src/python gen_labels_15.py 修改文件中数据集的路径
分别是:seq_root 和 label_root
打开 Terminal 输入
python gen_labels_15.py
文件夹中就会生成训练集的label
3.训练模型:
按照这样的准备
4. 修改训练数据集地址:
打开文件./src/lib/opts.py
修改为自己的数据集地址:
# mot
self.parser.add_argument('--data_cfg', type=str,
default='../src/lib/cfg/mot15.json',
help='load data from cfg')
self.parser.add_argument('--data_dir', type=str, default='/home/se8502/FairMOT-master/dataset/MOT/MOT15')
打开src/lib/cfg/mot15.json
修改为自己的数据集地址:
{
"root":"/home/se8502/FairMOT-master/dataset/MOT",
"train":
{
"mot15":"./data/mot15.train"
},
"test_emb":
{
"mot15":"./data/mot15.train"
},
"test":
{
"mot15":"./data/mot15.train"
}
}
5.训练:
根据自己实际,修改mot15_ft_mix_dla34.sh,训练按照下面的代码:
sh mot15_ft_mix_dla34.sh
========================2021.12.04.03.50================
可视化:
安装tensorboard
conda install tensorboard
进入文件
/home/se8502/FairMOT-master/exp/mot/
看到训练的文件
进入
接下来输入:
tensorboard --logdir ./ --port=8080
打开链接:
可以看到可视化的内容
评估网络:
CUDA_VISIBLE_DEVICES=0 python track.py mot --val_mot15 True --load_model ../models/fairmot_dla34MOT17.pth --conf_thres 0.6 --save_all