mot_challenge官方代码使用介绍

评估mot17验证集：每个视频序列的后一半帧作为验证集

下载源码：git clone https://hub.fastgit.org/JonathonLuiten/TrackEval.git

官网上下载data样例，放在TrackEval/下，结构如下：

data
|-- gt
|   |-- bdd100k
|   |-- davis
|   |-- kitti
|   |-- mot_challenge
|   |   |-- MOT15-train
|   |   |-- MOT16-train
|   |   |-- MOT17-train
|   |   |-- MOT20-train
|   |   |-- MOTS-train
|   |   `-- seqmaps
|   |-- tao
|   `-- youtube_vis
`-- trackers|-- bdd100k|-- davis|-- kitti|-- mot_challenge|   |-- MOT15-train|   |   `-- MPNTrack|   |       `-- data|   |-- MOT16-train|   |   `-- MPNTrack|   |       `-- data|   |-- MOT17-train|   |   |-- MPNTrack|   |   |   `-- data|   |   `-- yourtracker|   |       `-- data|   |-- MOT20-train|   |   `-- MPNTrack|   |       `-- data|   `-- MOTS-train|       `-- track_rcnn|           `-- data|-- tao`-- youtube_vis

评估支持多个数据集，这里只介绍mot_challenge如何使用这个评估。

gt表示每个数据集的标注，mot_challenge中只包含训练集的标注，因为测试集没有标注。

data/gt/mot_challenge/seqmaps里面存储的是每个数据需要测试的视频序列名称，因为mot17包含3种检测器的视频序列，通常我们只使用一个检测器的视频序列，因为gt的标注都一样。这里我使用SDP检测的视频序列，所以当评估mot17验证集时，需要把其他检测器的视频序列名称删除，这样你自己的tracker得到文件就不会报找不到文件错误了。

修改1：更改seqmaps文件下需要评测的视频序列名称

例如：

源文件内容：data/gt/mot_challenge/seqmaps/MOT17-train.txt

name
MOT17-02-DPM
MOT17-04-DPM
MOT17-05-DPM
MOT17-09-DPM
MOT17-10-DPM
MOT17-11-DPM
MOT17-13-DPM
MOT17-02-FRCNN
MOT17-04-FRCNN
MOT17-05-FRCNN
MOT17-09-FRCNN
MOT17-10-FRCNN
MOT17-11-FRCNN
MOT17-13-FRCNN
MOT17-02-SDP
MOT17-04-SDP
MOT17-05-SDP
MOT17-09-SDP
MOT17-10-SDP
MOT17-11-SDP
MOT17-13-SDP

删除后文件内容:

name
MOT17-02-SDP
MOT17-04-SDP
MOT17-05-SDP
MOT17-09-SDP
MOT17-10-SDP
MOT17-11-SDP
MOT17-13-SDP

修改2：生成验证集标签：{gt_folder}/{seq}/gt/gt_val_half.txt

代码：

import os.path as osp
import os
import numpy as np
from tqdm import tqdm
def mkdir_if_missing(d):if osp.isfile(d):d = osp.dirname(d)if not osp.exists(d):os.makedirs(d)data_root = osp.join('../data/gt/mot_challenge') # the root directory of the dataset
gt_folder = osp.join(data_root, 'MOT17-train')
seqs_str = '''MOT17-02-SDPMOT17-04-SDPMOT17-05-SDPMOT17-09-SDPMOT17-10-SDPMOT17-11-SDPMOT17-13-SDP'''
seqs = [seq.strip() for seq in seqs_str.split()]def gen_gt_val():for seq in tqdm(seqs):print('start seq {}'.format(seq))seq_info = open(osp.join(gt_folder, seq, 'seqinfo.ini')).read()seqLength = int(seq_info[seq_info.find('seqLength=') + 10:seq_info.find('\nimWidth')])gt_txt = osp.join(gt_folder, seq, 'gt', 'gt.txt')gt = np.loadtxt(gt_txt, dtype=np.float64, delimiter=',')save_val_gt = osp.join(gt_folder, seq, 'gt', 'gt_val_half.txt')val_start = seqLength // 2with open(save_val_gt, 'w') as f:for obj in gt:label_str = '{:d},{:d},{:d},{:d},{:d},{:d},{:d},{:d},{:.6f}\n'.format(int(obj[0]), int(obj[1]), int(obj[2]), int(obj[3]), int(obj[4]), int(obj[5]), int(obj[6]), int(obj[7]), obj[8])if obj[0] > val_start:f.write(label_str)if __name__ == '__main__':gen_gt_val()

创建yourtrack/data文件夹保存每个视频跟踪的结果。如果是mot17验证集的结果就放入data/trackers/mot_challenge/MOT17-train/yourtracker/data
运行代码脚本：进入TrackEval/scripts

python run_mot_challenge.py --BENCHMARK MOT17 --TRACKERS_TO_EVAL yourtracker --METRICS CLEAR Identity --USE_PARALLEL True --GT_LOC_FORMAT {gt_folder}/{seq}/gt/gt_val_half.txt

脚本参数含义：

    Eval arguments:'USE_PARALLEL': False, # 是否使用并行'NUM_PARALLEL_CORES': 8,'BREAK_ON_ERROR': True,'PRINT_RESULTS': True,'PRINT_ONLY_COMBINED': False,'PRINT_CONFIG': True,'TIME_PROGRESS': True,'OUTPUT_SUMMARY': True,'OUTPUT_DETAILED': True,'PLOT_CURVES': True,Dataset arguments:'GT_FOLDER': os.path.join(code_path, 'data/gt/mot_challenge/'),  # Location of GT data'TRACKERS_FOLDER': os.path.join(code_path, 'data/trackers/mot_challenge/'),  # Trackers location'OUTPUT_FOLDER': None,  # Where to save eval results (if None, same as TRACKERS_FOLDER)'TRACKERS_TO_EVAL': None,  # Filenames of trackers to eval (if None, all in folder)'CLASSES_TO_EVAL': ['pedestrian'],  # Valid: ['pedestrian']'BENCHMARK': 'MOT17',  # Valid: 'MOT17', 'MOT16', 'MOT20', 'MOT15''SPLIT_TO_EVAL': 'train',  # Valid: 'train', 'test', 'all''INPUT_AS_ZIP': False,  # Whether tracker input files are zipped'PRINT_CONFIG': True,  # Whether to print current config'DO_PREPROC': True,  # Whether to perform preprocessing (never done for 2D_MOT_2015)'TRACKER_SUB_FOLDER': 'data',  # Tracker files are in TRACKER_FOLDER/tracker_name/TRACKER_SUB_FOLDER'OUTPUT_SUB_FOLDER': '',  # Output files are saved in OUTPUT_FOLDER/tracker_name/OUTPUT_SUB_FOLDERMetric arguments:'METRICS': ['HOTA', 'CLEAR', 'Identity', 'VACE']
# 默认配置，trackeval/datasets/mot_challenge_2d_box.pydefault_config = {'GT_FOLDER': os.path.join(code_path, 'data/gt/mot_challenge/'),  # Location of GT data'TRACKERS_FOLDER': os.path.join(code_path, 'data/trackers/mot_challenge/'),  # Trackers location'OUTPUT_FOLDER': None,  # Where to save eval results (if None, same as TRACKERS_FOLDER)'TRACKERS_TO_EVAL': None,  # Filenames of trackers to eval (if None, all in folder)'CLASSES_TO_EVAL': ['pedestrian'],  # Valid: ['pedestrian']'BENCHMARK': 'MOT17',  # Valid: 'MOT17', 'MOT16', 'MOT20', 'MOT15''SPLIT_TO_EVAL': 'train',  # Valid: 'train', 'test', 'all''INPUT_AS_ZIP': False,  # Whether tracker input files are zipped'PRINT_CONFIG': True,  # Whether to print current config'DO_PREPROC': True,  # Whether to perform preprocessing (never done for MOT15)'TRACKER_SUB_FOLDER': 'data',  # Tracker files are in TRACKER_FOLDER/tracker_name/TRACKER_SUB_FOLDER'OUTPUT_SUB_FOLDER': '',  # Output files are saved in OUTPUT_FOLDER/tracker_name/OUTPUT_SUB_FOLDER'TRACKER_DISPLAY_NAMES': None,  # Names of trackers to display, if None: TRACKERS_TO_EVAL'SEQMAP_FOLDER': None,  # Where seqmaps are found (if None, GT_FOLDER/seqmaps)'SEQMAP_FILE': None,  # Directly specify seqmap file (if none use seqmap_folder/benchmark-split_to_eval)'SEQ_INFO': None,  # If not None, directly specify sequences to eval and their number of timesteps'GT_LOC_FORMAT': '{gt_folder}/{seq}/gt/gt.txt',  # '{gt_folder}/{seq}/gt/gt.txt''SKIP_SPLIT_FOL': False,  # If False, data is in GT_FOLDER/BENCHMARK-SPLIT_TO_EVAL/ and in# TRACKERS_FOLDER/BENCHMARK-SPLIT_TO_EVAL/tracker/# If True, then the middle 'benchmark-split' folder is skipped for both.}

必须需要修改的默认参数配置：gt位置参数格式

对应参数--GT_LOC_FORMAT {gt_folder}/{seq}/gt/gt_val_half.txt

需要添加的参数：

--BENCHMARK MOT17 # 数据集
--TRACKERS_TO_EVAL yourtracker # 你的tracker名称
--METRICS CLEAR Identity # 使用哪些度量标准

mot_challenge官方评估代码相关推荐

OTB官方评估代码python版本--评估自己跟踪器，对比其他跟踪器
OTB官方评估代码python版本--评估自己跟踪器,对比其他跟踪器代码环境准备环境安装数据集准备跑自己跟踪器结果格式准备生成json文件并画图 Bonus OTB数据集是目标跟踪领域里面 ...
OTB官方评估代码matlab版本
OTB最初就是MATLAB版本评估,后来又推出了python版本,不过精度貌似没有matlab高 python版本配置可以参考我另一篇博客:OTB官方评估代码python版本 tracker_benc ...
OTB官方评估代码python版本
可参考:OTB官方评估代码python版本--评估自己跟踪器,对比其他跟踪器博主写的很好,按照步骤可以运行以下有几点注意的地方 1.我是用ubuntu系统,创建虚拟环境安装的python=2.7. ...
Resnet的pytorch官方实现代码解读
Resnet的pytorch官方实现代码解读目录 Resnet的pytorch官方实现代码解读前言概述 34层网络结构的"平原"网络与"残差"网络的结构图 ...
Windows 10环境下「MSCOCO Captions」评估代码踩坑记录
文章目录引言解决python2→python3.x问题验证评估代码是否可以正确运行解决 jar 包运行出错的原因排查jar包运行出错的原因解决Could not reserve enoug ...
HttpClient官方sample代码的深入分析(连接池)
前言之前一直使用apache的httpclient(4.5.x), 进行http的交互处理. 而httpclient实例则使用了http连接池, 而一旦涉及到连接池, 那会不会在使用上有些隐藏很 ...
微信小程序背景音乐官方实例代码无效问题解决及音乐src获取方法
微信小程序背景音乐官方实例代码无效问题解决及音乐src获取方法参考文章: (1)微信小程序背景音乐官方实例代码无效问题解决及音乐src获取方法 (2)https://www.cnblogs.com/ ...
FFMpeg.AutoGen（1）讲解官方example代码：Main函数、解码
FFMpeg是一套C编译的开源工具集.主要用于视频处理,可以编解码视频,建立流媒体服务器等等.官方网站:http://ffmpeg.org/ FFMpeg.AutoGen封装方法以方便C#调用FFmp ...
[Pytorch系列-61]：循环神经网络 - 中文新闻文本分类详解-3-CNN网络训练与评估代码详解
作者主页(文火冰糖的硅基工坊):文火冰糖(王文兵)的博客_文火冰糖的硅基工坊_CSDN博客本文网址:https://blog.csdn.net/HiWangWenBing/article/detai ...

mot_challenge官方评估代码

mot_challenge官方代码使用介绍

mot_challenge官方评估代码相关推荐

最新文章

热门文章