【多目标跟踪】Tracktor++代码及调试过程

本文基于Philipp Bergmann的论文《Tracking without bells and whistles》,详细介绍了Tracktor++的代码实现过程,包括在Ubuntu16.04+Cuda9.0+PyTorch0.3.1环境下如何成功运行。首先,通过遵循GitHub上的指南,成功使用FPN进行离线多目标跟踪。接着,讨论了如何修改配置文件以切换到在线方法或使用Faster-RCNN。此外,文章还涵盖了目标检测器(Faster-RCNN + FPN)的训练过程以及Re-ID网络的训练配置。
摘要由CSDN通过智能技术生成

论文《Tracking without bells and whistles》(Philipp Bergmann, Tim Meinhardt, Laura Leal-Taixe)
arxiv:https://arxiv.org/abs/1903.05625
github:https://github.com/phil-bergmann/tracking_wo_bnw
在这里插入图片描述

代码实现

按照作者在GitHub上提供的步骤执行,在Unbuntu16.04+Cuda9.0+PyTorch0.3.1下成功跑通代码。执行结果如下。
默认的是Tracktor++(离线多目标跟踪方法),使用FPN作为检测器。
如果需要修改为在线方法或使用Faster-R CNN,应该修改配置文件experiments/cfgs/tracktor.yaml

WARNING - test_tracktor - No observers have been added to this run
INFO - test_tracktor - Running command 'my_main'
INFO - test_tracktor - Started
[*] Building object detector
{
   'ANCHOR_RATIOS': [0.5, 1, 2],
 'ANCHOR_SCALES': [4, 8, 16, 32],
 'CLASS_AGNOSTIC_BBX_REG': False,
 'CROP_RESIZE_WITH_MAX_POOL': False,
 'CUDA': True,
 'DATA_DIR': '/usr/wiss/meinhard/code/tracking_wo_bnw/src/fpn/data',#数据路径
 'DEDUP_BOXES': 0.0625,
 'EPS': 1e-14,
 'EXP_DIR': 'res101',
 'FEAT_STRIDE': [16],
 'FPN_ANCHOR_SCALES': [32, 64, 128, 256, 512],
 'FPN_ANCHOR_STRIDE': 1,
 'FPN_FEAT_STRIDES': [4, 8, 16, 32, 64],
 'GPU_ID': 0,#使用的GPU
 'HAS_MASK': True,
 'MATLAB': 'matlab',
 'MAX_NUM_GT_BOXES': 100,
 'MOBILENET': {
   'DEPTH_MULTIPLIER': 1.0,
               'FIXED_LAYERS': 5,
               'REGU_DEPTH': False,
               'WEIGHT_DECAY': 4e-05},
 'PIXEL_MEANS': array([[[102.9801, 115.9465, 
  • 3
    点赞
  • 19
    收藏
    觉得还不错? 一键收藏
  • 4
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值