YOLO v5, v7, v8 + 各种跟踪器(SORT, DeepSORT, ByteTrack, BoT |
您所在的位置：网站首页 › 车子跟踪软件下载 › YOLO v5, v7, v8 + 各种跟踪器(SORT, DeepSORT, ByteTrack, BoT |
|
最近做了一个小工作, 想着把几种多目标跟踪的tracker用统一的步骤和代码风格写一下, 就以YOLO v7作为检测器, 集成了SORT, DeepSORT, ByteTrack, BoT-SORT, DeepMOT五种tracker. 在MOT17与VisDrone2019-MOT数据集上训练并测试. 2023.12.25更新:本人在写这个代码的时候, 没想到会有这么多人看到. 然而, 必须承认我这份代码是以尽量整合为目的, 加了我自己的理解, 所以有的部分也许和原论文有出入, 导致效果不一定是最好的. 为此, 给大家推荐一个成熟的repo: https://github.com/mikel-brostrom/yolo_tracking 我这个代码大家可以作为学习之用, 也就是熟悉MOT的流程. 如果追求更好的效果, 我建议采纳更成熟的那些. 我会不断听取大家的问题和建议, 希望和大家一起学习! 项目地址： GitHub, 如果对您有用, 欢迎star!!! 亮点 统一代码风格, 对多种tracker重新整理, 详细注释, 方便阅读, 适合初学者多类多目标跟踪各种tracker集成在一个文件夹"./tracker/"内, 方便移植到其他detector. 跟踪效果 TrackerMOTAIDF1IDSfpsSORT26.436.4326412.2DeepSORT12.126.9386012.4ByteTrack25.140.8159014.32DeepMOT15.024.836667.64BoT-SORT23.041.410145.41 集成的tracker:SORT, DeepSORT, ByteTrack(ECCV2022), DeepMOT(CVPR2020), BoT-SORT(arxiv2206), TODO 集成UAVMOT(CVPR2022) 达到更好的结果(缓解类别不平衡, 小目标等等)… 效果在VisDrone2019-MOT train训练约10 epochs, 采用YOLO v7 w6结构, COCO预训练模型基础上训练. GPU: single Tesla A100, 每个epoch约40min. 在VisDrone2019-MOT test dev测试, 跟踪所有的类别. TrackerMOTAIDF1IDSfpsSORT26.436.4326412.2DeepSORT12.126.9386012.4ByteTrack25.140.8159014.32DeepMOT15.024.836667.64BoT-SORT23.041.410145.41fps具有一定的随机性 \space \space 使用指南： 环境配置 python=3.7.0 pytorch=1.7.0 torchvision=0.8.0 cudatoolkit=11.0py-motmetrics (pip install motmetrics)cython-bbox (pip install cython_bbox)opencv 训练训练遵循YOLO v7的训练方式, 数据集格式可以参照YOLO v5 train custom data 即数据集文件遵循 class x_center y_center width height其中x_center y_center width height必须是归一化的. 如果您训练VisDrone数据集, 可以直接调用: python tools/convert_VisDrone_to_yolov2.py --split_name VisDrone2019-MOT-train --generate_imgs需要您修改一些路径变量. 准备好数据集后, 假如训练YOLO v7-w6模型(single GPU): python train_aux.py --dataset visdrone --workers 8 --device --batch-size 16 --data data/visdrone_all.yaml --img 1280 1280 --cfg cfg/training/yolov7-w6.yaml --weights --name yolov7-w6-custom --hyp data/hyp.scratch.custom.yaml更多训练信息参考YOLO v7 跟踪model_path 参数为训练后的detector model, 假设路径为 runs/train/yolov7-w6-custom4/weights/best.pt SORT : python tracker/track.py --dataset visdrone --data_format origin --tracker sort --model_path runs/train/yolov7-w6-custom4/weights/best.ptDeepSORT: python tracker/track.py --dataset visdrone --data_format origin --tracker deepsort --model_path runs/train/yolov7-w6-custom4/weights/best.ptByteTrack: python tracker/track.py --dataset visdrone --data_format origin --tracker bytetrack --model_path runs/train/yolov7-w6-custom4/weights/best.ptDeepMOT: python tracker/track.py --dataset visdrone --data_format origin --tracker deepmot --model_path runs/train/yolov7-w6-custom4/weights/best.ptBoT-SORT: python tracker/track.py --dataset visdrone --data_format origin --tracker botsort --model_path runs/train/yolov7-w6-custom4/weights/best.pt您也可以通过增加 --save_images --save_videos来控制保存跟踪结果的图片与视频. 将./tracker应用于其他detector只需保证detector的输出格式为 (batch_size, num_objects, x_center, y_center, width, height, obj_conf, category)或经典的yolo格式 (batch_size, num_objects, x_center, y_center, width, height, obj_conf, category_conf0, category_conf1, category_conf2, ...)注意: 推理的时候batch_size要求为1. |
| CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |