2019年7月14日:
参考链接:https://www.cnblogs.com/wemo/p/10600454.html
g
https://blog.csdn.net/zjc910997316/article/details/83899474
Github开源代码链接:https://github.com/nwojke/deep_sort.git
完全版更加详细的加强版deepsort完整复现+MOT评测生成!!,持续更新!
1 准备工作()
下载deep sort代码文件
下载MOT16数据集
下载权重文件
2 导入库文件
进入pycharm ,open这个deep_sort-master文件夹
再把下载好的MOT16放在这个目录下,以及权重文件rescourses
。
找到deep_sort_app.py这个py文件并执行这个py文件。
若只显示以下内容,证明不缺少库,显示其他内容就调用相关的库文件即可。
3 开始复现
3.1 整理环境
找到readme这样一个文件双击,里面是这个代码的说明书,按照要求执行操作,从pycharm底部的terminal运行。文件的一开始给出了一些库,一般缺少的就是这些库。并要求tensorflow版本不能低于1.10.
根据上图,创建文件夹networks放在resources下,并把准备好的mars.pb文件放进去。
此时,我们可以看到MOT文件下是两个子文件架train和test
而resources文件下是以下内容而刚在调整的pb文件在networks文件架下。
2019年7月15日:
3.2 Running the tracker(执行跟踪轨迹)
下面的示例启动其中一个上的跟踪器
(MOT16基准)序列。
我们假设资源已被提取到存储库根目录中
MOT16基准数据在’ ./MOT16 '中:
python deep_sort_app.py \
--sequence_dir=./MOT16/test/MOT16-06 \
--detection_file=./resources/detections/MOT16_test/MOT16-06.npy \
--min_confidence=0.3 \
--nn_budget=100 \
--display=True
查看“python deep_sort_app.py -h”以获得可用选项的概述。存储库中还有一些脚本可以可视化结果,生成视频,并评估MOT挑战基准。
3.3 生成检测
在主跟踪应用程序旁边&