jde多目标_ua-detrac数据集上多目标跟踪算法JDE的训练,在,UADETRAC

环境：win10，cuda 10.1 , GTX1060

一、数据处理

1、数据集获取：

链接：https://pan.baidu.com/s/1K3rI9PvzHc1KqOJITNMdVg

提取码：lox4

2、数据集格式

数据格式也不一定完全按照上面这种，但是必须得保证图片和标签的名字相同。以MOT17(JDE的Modelzoo中下载得到)为例：

文件夹结构：

labels_with_ids文件夹里面是用转换工具将gt.txt生成对应的JDE训练所需的标注文件，对应每一个视频序列的每一帧图片。

而这片博客是要在UA-DETRAC数据集上训练JDE，所以先看看UA-DETRAC原始数据集(所有图片分辨率为960x540)

标签是XML格式，且一个xml对应一个视频序列，每一个xml内容包含该视频序列中所有帧的标注信息：

其中一帧中包括多个车辆标注，标注信息包括：车辆ID，box坐标，以及一些属性：方向，速度，轨迹长度，遮挡率，车辆类别。要想在JDE中训练，需要进行转换，JDE要求的标注格式：

编写脚本，解析原始xml标注文件，生成上述的标注txt文件，因为FairMOT算法和JDE用的是同一个数据处理方式，甚至是完全相同的数据集，因此我直接在FairMOT的数据转换工具基础上做了修改，内容如下：

import os.path as osp

import os

import numpy as np

import shutil

import xml.dom.minidom as xml

import abc

def mkdirs(d):

if not osp.exists(d):

os.makedirs(d)

seq_root = 'F:/dataset/MOT/UA-DETRAC/DETRAC-train-data/Insight-MVT_Annotation_Train'#图片

xml_root = 'F:/dataset/MOT/UA-DETRAC/DETRAC-Train-Annotations-XML' #原始xml标注

label_root="F:/dataset/MOT/UA-DETRAC/DETRAC-Train-Annotations-track" #新生成的标签保存目录

#mkdirs(label_root)

seqs = [s for s in os.listdir(seq_root)]

'''

读取xml文件

'''

class XmlReader(object):

__metaclass__ = abc.ABCMeta

def __init__(self):

pass

def read_conte