盐城企业网站制作,电商网站建设与运营哦,专业视频网站开发公司,在百度上做公司做网站MAC M2芯片执行yolov8 deepsort 实现目标跟踪 MAC M2 YoloX bytetrack实现目标跟踪
实验结果 MAC mps显存太小了跑不动 还是得用服务器跑 需要实验室的服务器跑 因为网上花钱跑4天太贵了#xff01;#xff01;#xff01;
步骤过程尝试#xff1a;
执行mot17 数据集 …MAC M2芯片执行yolov8 deepsort 实现目标跟踪 MAC M2 YoloX bytetrack实现目标跟踪
实验结果 MAC mps显存太小了跑不动 还是得用服务器跑 需要实验室的服务器跑 因为网上花钱跑4天太贵了
步骤过程尝试
执行mot17 数据集 到coco格式
python3 tools/convert_mot17_to_coco.py执行mps发现显存不够用 选择autodl 上的服务器进行训练
安装conda install git
然后重新进行 pycocotools.进行
step 2 安装docker 环境
sudo apt-get install \apt-transport-https \ca-certificates \curl \gnupg-agent \software-properties-common添加官方秘钥
$ curl -fsSL https://mirrors.ustc.edu.cn/docker-ce/linux/ubuntu/gpg | sudo apt-key add -安装docker环境失败 也是可以运行的
不影响bytetrack训练 这个是使用best权重计算得到的
下面是使用pretrain自己生成的得到的 同时 可以比较其他的追踪器
使用sort跟踪【结果】 训练自己上传自定义的跟踪视频 下载比较结果 10个轮次的结果不够分析 需要实验室的服务器进行深度训练 传统理解为IoU大于50%的时候认为是目标检测到了。
为了更细化区分网络的性能COCO数据集的评价标准中把IoU的值从50%到95%每隔5%进行了一次划分。
具体来说0.5 0.55 0.6 0.65 0.7 0.75 0.8 0.85 0.9 0.95 一共十个每次测试的时候都是在IoU这个数上测试的。
在这10组precision-recall对中我们对这十个值取平均我理解为10个PR曲线下得到的AP值然后对这10个AP进行平均得到了一个AP[0.5:0.95]
有时固定IoU的阈值比如50%或75%也就是AP50和AP75意味着IoU为50%或者75%时的AP值。
·为什么要在不同的IoU情况下求AP和AR
方便模型进行惩罚差的结果优化好的结果。
