![43f90ef3ec2bfc634fb490f4ce71be91.png](https://i-blog.csdnimg.cn/blog_migrate/36385471131456689b527e9bbb971f98.jpeg)
论文地址:
https://arxiv.org/abs/2007.14557arxiv.org源码地址:
https://github.com/pjl1995/CTrackergithub.com想了解更多细节或者和大佬交流,可以看作者的介绍
https://zhuanlan.zhihu.com/p/186291796zhuanlan.zhihu.com本文对其论文开源代码在windows环境下进行测试的过程进行记录。
一、下载项目
git clone https://github.com/pjl1995/CTracker.git
二、环境配置
按照安装说明创建虚拟环境及安装依赖库,这里pytorch == 0.4.1,python为3.7版本,注意要装cuda90 ,cuda10.0会报RuntimeError: CuDNN error: CUDNN_STATUS_SUCCESS的问题。
conda create -n CTracker
conda activate CTracker
conda install pytorch=0.4.1 cuda90 -c pytorch
pip install -r requirements.txt -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
# 豆瓣源下载更快
- 编译cython_nms
由于在windows环境,没法调用sh lib/build.sh进行编译,只有通过c++编译器将pyx文件编译为python可调用的pyd模块,原linux环境下cpu_nms和bbox源码是使用的gcc编译器,gpu_nms使用ncvv编译器,因此需要对setup.py进行重写,按照下面链接改写了cpu_nms和bbox的编译方式,gpu_nms可以自己研究下,可以参照Faster RCNN的改写方式,不过使用cpu_nms也可以,可能速度要慢点。
参照:
Windows 编译cython nmsblog.csdn.net![3145bb0798a56bf16b10f835bd53b101.png](https://i-blog.csdnimg.cn/blog_migrate/afaca2fd6f5dff1a605287714180065a.png)
不过好像不用修改model.py的引入方式。
python setup_cpu.py build_ext --inplace
- 下载预训练模型
谷歌网盘
model_final.ptdrive.google.com或者腾讯微云
文件分享share.weiyun.com从上面两个地址中下载训练好的CTracker模型,放入trained_model文件夹中
三、视频测试
CUDA_VISIBLE_DEVICES=0 python test.py --dataset_path MOT17_ROOT --model_dir ./trained_model/
![4d0026c02f06e43c08afcf6f8a67f43e.gif](https://i-blog.csdnimg.cn/blog_migrate/401aab424ea6714fb4eede84b15c5428.gif)
这是作者公开的MOT17-08的检测结果截图
我是在MOT16数据集上进行了测试:
python test.py --dataset_path data/MOT16 --model_dir ./trained_model/