Windows下PP-Tracking多目标跟踪数据训练

Windows下PP-Tracking多目标跟踪数据训练

创建labels_with_ids目录

打开cmd，进入python环境activate paddle_env然后进入PaddleDetection根目录

如果不懂可以查看这篇文章

Windows下的Conda安装并创建python环境_シ❤゛甜虾的个人博客Anaconda是一个免费开源的Python和R语言的发行版本，用于计算科学，Anaconda致力于简化包管理和部署。Anaconda的包使用软件包管理系统Conda进行管理。Conda是一个开源包管理系统和环境管理系统，可在Windows、macOS和Linux上运行。-Anaconda，然后进行安装create -n paddle_env python=执行gen_labels_MOT.py，生成mot16.train文件

user_gen_labels_MOT.py的代码

# 生成mot16.train文件并且复制到 image_lists下面import globimport os.path as ospimage_list = []for seq in sorted(glob.glob('PaddleDetection/dataset/mot/MOT16/images/train/*')): for image in glob.glob(osp.join(seq, "img1")+'/*.jpg'): image = image.replace('PaddleDetection/dataset/mot/','') image_list.append(image)with open('mot16.train','w') as image_list_file: image_list_file.write(str.join('\n',image_list))

生成的文件很奇怪

复制过去目录就是这个样子

修改配置文件里面的数据集

添加在PaddleDetection/configs/mot/fairmot/fairmot_dla34_30e_1088x608.yml文件最后

... ...# for MOT training# for MOT trainingTrainDataset: !MOTDataSet dataset_dir: dataset/mot image_lists: ['mot16.train'] data_fields: ['image', 'gt_bbox', 'gt_class', 'gt_ide']# for MOT evaluation# If you want to change the MOT evaluation dataset, please modify 'data_root'EvalMOTDataset: !MOTImageFolder dataset_dir: dataset/mot data_root: MOT16/images/train keep_ori_im: False # set True if save visualization images or video, or used in DeepSORT# for MOT video inferenceTestMOTDataset: !MOTImageFolder dataset_dir: dataset/mot keep_ori_im: True # set True if save visualization images or video

添加完就是这个样子

开始训练

使用MOT16-02序列作为训练数据，训练30epoch，V100环境下大约需要30分钟

在PaddleDetection根目录创建一个fairmot_dla34_30e_1088x608目录用来存放日志，然后执行如下命令开始训练

python -m paddle.distributed.launch --log_dir=fairmot_dla34_30e_1088x608/ --gpus 0 tools/train.py -c configs/mot/fairmot/fairmot_dla34_30e_1088x608.yml

果然之前发现文件内容比较怪的地方出问题了，批量修改一下

配置文件也需要改成这个样子，因为我用的是windows

_BASE_: [ '../../datasets/mot.yml', '../../runtime.yml', '_base_/optimizer_30e.yml', '_base_/fairmot_dla34.yml', '_base_/fairmot_reader_1088x608.yml',]weights: output/fairmot_dla34_30e_1088x608/model_final# for MOT training# for MOT trainingTrainDataset: !MOTDataSet dataset_dir: dataset\mot image_lists: ['mot16.train'] data_fields: ['image', 'gt_bbox', 'gt_class', 'gt_ide']# for MOT evaluation# If you want to change the MOT evaluation dataset, please modify 'data_root'EvalMOTDataset: !MOTImageFolder dataset_dir: dataset\mot data_root: MOT16\images\train keep_ori_im: False # set True if save visualization images or video, or used in DeepSORT# for MOT video inferenceTestMOTDataset: !MOTImageFolder dataset_dir: dataset\mot keep_ori_im: True # set True if save visualization images or video

开始训练了

如果显卡内存不够会提示

为了方便我们-训练好的模型进行eval，如果显存不够-别人训练好的

python tools/eval_mot.py -c configs/mot/fairmot/fairmot_dla34_30e_1088x608.yml -o weights=output/fairmot_dla34_30e_1088x608.pdparams

结果

然后我们开始推理

python tools/infer_mot.py -c configs/mot/fairmot/fairmot_dla34_30e_1088x608.yml -o weights=output/fairmot_dla34_30e_1088x608.pdparams --image_dir=dataset/mot/MOT16/images/test/MOT16-01/img1 --save_videos

结果和视频

图像

导出模型

python tools/export_model.py -c configs/mot/fairmot/fairmot_dla34_30e_1088x608.yml -o weights=output/fairmot_dla34_30e_1088x608.pdparams

使用导出的模型进行推理

PP-Tracking中在部署阶段提供了多种跟踪相关功能，例如流量计数，出入口统计，绘制跟踪轨迹等，具体使用方法可以参考​​文档​​

-两个视频

deploy/pptracking/python/mot_jde_infer.py --model_dir=output_inference/fairmot_dla34_30e_1088x608 --video_file=person.mp4 --device=GPU

效果还是很不错的

推理视频2

python deploy/pptracking/python/mot_jde_infer.py --model_dir=output_inference/fairmot_dla34_30e_1088x608 --do_entrance_counting --draw_center_traj --video_file=entrance_count_demo.mp4 --device=GPU

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。