bytetrack-demo

Ubuntu
python3.6
cuda=10.1

conda create -n bytetrack python=3.6
conda activate bytetrack

装好torch和torchvision
torch=1.7.0
torchvision=0.8.1
将作者给的代码克隆到本地后,把requirements.txt中torch和torchvision删去

cd ByteTrack
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt

修改setup.py中的代码:

with open("README.md", "r") as f:
    long_description = f.read()
修改为:
with open("README.md", "r", encoding='utf-8') as f:
    long_description = f.read()        
python setup.py develop
pip install cython
pip install "git+https://gitee.com/wsyin/cocoapi.git#subdirectory=PythonAPI"
pip install cython_bbox

下载作者训练好的模型文件,以bytetrack_s_mot17.pth.tar为例,下载好后放在根目录下新建的models文件夹内。
运行:

python tools/demo_track.py video -f exps/example/mot/yolox_s_mix_det.py -c ./models/bytetrack_s_mot17.pth.tar --path ./videos/palace.mp4 --fp16 --fuse --save_result

请添加图片描述
结果保存在yolox_outputs中
请添加图片描述

版权声明:本文为CSDN博主「yuchenovo」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/weixin_44894550/article/details/121940401

yuchenovo

我还没有学会写个人说明!

暂无评论

发表评论

相关推荐

读取xml文件中的信息

VOC格式标签:图片的实际宽和高,标注框的左上角和右下角坐标YOLO格式标签:标注框的中心坐标(归一化的),标注框的宽和高(归一化的&#xff09

【目标检测】YOLO、SSD、CornerNet原理介绍

目标检测是计算机视觉中比较简单的任务,用来在一张图篇中找到某些特定的物体,目标检测不仅要求我们识别这些物体的种类,同时要求我们标出这些物体的位置。其中类别是离散数据,位置是连续数据。 目

目标检测篇之---YOLO系列

YOLO系列 首先先说一下目标检测之one-stage和two-stage网络是什么意思?有什么区别? 刚开始看目标检测的时候总能看见单阶段(one-stage)和两阶段(