时空邻​​域感知网络（STNNet-pytorch）

介绍

Space-Time Neighbor-Aware Network (STNNet-pytorch)时空邻​​域感知网络

这是用于检测、跟踪和计数的 PyTorch 版本存储库满足人群中的无人机：基准测试。

先决条件

我们使用 Anaconda 作为环境。该代码已在 Ubuntu 18.04 上使用 Python 3.6、CUDA 10.2 和 PyTorch v1.6.0 进行了测试。训练和测试都需要 NVIDIA GPU。

安装 PyTorch==1.6 和 torchvision==0.7：

conda create -n STTNet python=3.6 pytorch=1.6 torchvision -c pytorch

安装包依赖：

pip install -r requirments.txt

出现的问题

1.安装spatial-correlation-sampler时出现错误  error：You‘re running a too old version of GCC. We need GCC 5 or later

解决：gcc版本过低，利用  module avail gcc   查看已安装的gcc版本，  module load gcc/版本号    加载版本。实验时发现gcc7.3依然版本低，最终用了gcc9.3.

2.  安装sklearn时出现错误 ModuleNotFoundError: No module named 'sklearn'

解决：注意一般情况下缺少“XXX”，就需要conda install XXX，但是使用conda install sklearn时，报错；原因是需要安装：scikit-learn包！！！对于sklearn模块的安装方法是改为conda install scikit-learn

3.  ImportError: /home/bingxing2/apps/anaconda/2021.11/lib/libstdc++.so.6: version `GLIBCXX_3.4.29' not  found (required by /home/bingxing2/gpuuser188/.conda/envs/py6/lib/python3.7/ste-packages/scipy/spatial/ckdtree.cpython-37m-x86 64-linux-gnu.so)

解决：GLIBCXX要求3.4.29版本太高了，超算最高版本的9.3.0是支持3.4.28    最后是超算工程师解决。

 

4.  Python: NameError：name 'dataset' is not defined

python2.0和python3.0版本不同，代码有些许差异

未解决

 代码流程

1.  真值生成

请按照make_data_density.py和make_data_localization.py分别生成密度图和位置图的ground-truth。

2.  训练过程

如果只使用密度头，运行：

python mytrain.py den --mGPUs --bs 4

如果同时使用密度头和定位头，请运行：

python mytrain.py loc --mGPUs --loc --bs 4

如果删除关系约束，请运行：

python mytrain.py tem --mGPUs --loc --trk --tem --bs 4 --pre loc_best_model.pth.tar

如果删除循环损失，请运行：

python mytrain.py trk --mGPUs --loc --trk --bs 4 --pre loc_best_model.pth.tar

对于 STNNet，运行：

python mytrain.py cyc --mGPUs --trk --cyc --bs 4 --pre loc_best_model.pth.tar

3.  测试过程

如果使用密度头评估 STNNet 变体，请运行：

python mytest.py

如果同时使用密度头和定位头评估 STNNet 变体，请运行：

python mytest.py --loc

如果在没有关系约束的情况下评估 STNNet 变体，请运行：

python mytest.py --loc --trk --tem

如果在没有循环损失的情况下评估 STNNet 变体，请运行：

python mytest.py --loc --trk

如果评估 STNNet，请运行：

python mytest.py --loc --trk --cyc

要评估检测和跟踪性能，请分别使用DroneCrowd-VID-toolkit和DroneCrowd-MOT-toolkit。

参考

如果您使用 STNNet 方法或 DroneCrowd 数据集，请引用我们的论文。谢谢！

<span style="color:#c9d1d9"><span style="background-color:#0d1117"><span style="background-color:var(--color-canvas-subtle)"><code>@inproceedings{dronecrowd_cvpr2021,
  author    = {Longyin Wen and
               Dawei Du and
               Pengfei Zhu and
               Qinghua Hu and
               Qilong Wang and
               Liefeng Bo and
               Siwei Lyu},
  title     = {Detection, Tracking, and Counting Meets Drones in Crowds: A Benchmark},
  booktitle = {CVPR},
  year      = {2021}
}</code></span></span></span>