yolo_track复现记录

阿珩#

已于 2023-11-22 19:43:23 修改

阅读量1.5k

点赞数 5

分类专栏： MOT复现文章标签： YOLO 深度学习 python

于 2023-08-08 15:52:52 首次发布

本文链接：https://blog.csdn.net/weixin_44283270/article/details/132167795

版权

MOT复现专栏收录该内容

4 篇文章 0 订阅

订阅专栏

yolo_track

mikel-brostrom/yolo_tracking: A collection of SOTA real-time, multi-object tracking algorithms for object detectors (github.com)

yolov8

ultralytics/ultralytics: NEW - YOLOv8 🚀 in PyTorch > ONNX > OpenVINO > CoreML > TFLite (github.com)

1 创建环境

conda create -n yolotrackold python=3.8
conda activate yolotrackold
#根据cuda版本安装torch
pip install torch==1.10.1+cu111 torchvision==0.11.2+cu111 torchaudio==0.10.1 -f https://download.pytorch.org/whl/cu111/torch_stable.html

2 源码下载

从最上面的连接下载源码，

我的源码是8.3手动下载解压的，和最新的有差别

# 下载好源码后，进入源码目录
pip install -v -e .

将yolov8源码中的ultralytics放进yolotrack目录中，注意是第二级ultralytics，放好如下：

3 下载预训练权重

在ultralytics/ultralytics: NEW - YOLOv8 🚀 in PyTorch > ONNX > OpenVINO > CoreML > TFLite (github.com)

下载yolov8n.pt

在yolotrack源码的boxmot/appearance/reid_model_factory.py下载reid模型，我下载的是

"osnet_x0_25_market1501.pt": "https://drive.google.com/uc?id=1z1UghYvOTtjx7kEoRfmqSMu-z62J6MAj",

下载好后，在yolotrack下新建目录pretrained，将预训练权重放进去

，这里我将reid的名字改短了一些

根据权重模型的目录和名字，改examples/track.py

4 DEBUG

4.1 报错：distutils

解决方案：参考AttributeError: module ‘distutils‘ has no attribute ‘version‘ 解决方案 - 知乎

pip uninstall setuptools
pip install setuptools==58.0.4

4.2 报错：psutil

解决方案：

pip install psutil

4.3 报错：no module named boxmot

在代码上面添加：

import sys
sys.path.append('.')

即：

4.4 其他依赖项

pip install pycocotools
pip install tabulate

5 跟踪本地视频

python examples/track.py --source /home/extend/zhy/dataset/NEU/1.mp4 --show --save --save-mot

结果保存在：examples/runs/track/exp下

据我分析，这个格式依次是：帧数，id，bbox左上角x坐标，左上y，w，h，0，0，-1

只要将后三个改成0，0，0，-1即可符合MOT challenge标准

加了个计算FPS的代码

6 MOT17测试

python3 examples/val.py --benchmark MOT17 --device 0,1

6.1 报错：连接超时，下载失败

第一个问题是无法连接网络下载不了文件，那就去JonathonLuiten/TrackEval: HOTA (and other) evaluation metrics for Multi-Object Tracking (MOT). (github.com)

手动下载代码，然后在examples下创建文件夹val_utils，将下载好的代码解压放到val_utils下

6.2 使用本地数据集测试

我的本地已经有MOT17数据集了，因此将val.py的这两行注释掉

开头添加数据集路径

更改eval_setup函数里面的路径，根据自己的数据集格式做修改

再次运行上面的代码，运行过程：

运行结果：

在examples/runs/val/exp下保存了结果

6.3 使用全部序列做测试（未解决）

这部分显示只是用FRCNN的那部分序列

将FRCNN那行注释掉，即可对所有序列进行测试，去掉sorted

运行中途停止，报错：

未解决：单独对FRCNN,DPM,SDP测试都是没问题的，但一起就会出问题

替补方法：三个检测器的序列分别测试，然后将测试的.txt放到一个labels文件夹内，再对该文件夹进行评估，见下文“对已有的标签文件做评估”

TODO：split：test

上面的val.py中，--split都是使用默认的train，即在训练序列上做测试

若改成test，则在mot17的test序列做测试

6.5 更改MOTtxt输出格式

原代码的mot格式输出文件每行只有9个数字，不符合mot网站提交要求

需求格式为

显然后四位为-1，（不清楚为何原代码输出的score都是0）

更改examples/utils.py

输出结果（左：改后，右：改前）：

6.6 对已有的标签文件做评估

python3 examples/val.py --benchmark MOT17 --device 0,1 --eval-existing --project /home/extend/zhy/code/yolo_tracking-masterold/examples/runs/other --name 0804_bot_mot17_val_yolox

标签文件路径为/home/extend/zhy/code/yolo_tracking-masterold/examples/runs/other/0804_bot_mot17_val_yolox/labels

将val.py改成全部序列：