MAC M2芯片执行yolov8 + deepsort 实现目标跟踪

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

复制代码
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

复制代码
sudo apt-get install \
    apt-transport-https \
    ca-certificates \
    curl \
    gnupg-agent \
    software-properties-common

添加官方秘钥

复制代码
$ 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。

相关推荐
Coovally AI模型快速验证7 小时前
3D目标跟踪重磅突破!TrackAny3D实现「类别无关」统一建模,多项SOTA达成!
人工智能·yolo·机器学习·3d·目标跟踪·无人机·cocos2d
山烛1 天前
OpenCV 模板匹配
人工智能·python·opencv·计算机视觉·目标跟踪·模板匹配
Coovally AI模型快速验证3 天前
轻量级注意力模型HOTSPOT-YOLO:无人机光伏热异常检测新SOTA,mAP高达90.8%
人工智能·学习·yolo·计算机视觉·目标跟踪·无人机
Coovally AI模型快速验证3 天前
突破闭集限制:3D-MOOD 实现开集单目 3D 检测新 SOTA
人工智能·yolo·计算机视觉·3d·目标跟踪·无人机
云卓SKYDROID3 天前
无人机GPS悬停模块技术解析
人工智能·目标跟踪·无人机·高科技·航线系统
微笑伴你而行3 天前
小土堆目标检测笔记
笔记·目标检测·目标跟踪
thesky1234564 天前
《Visual Abstraction: A Plug-and-Play Approach for Text-Visual Retrieval》
人工智能·算法·目标跟踪
飞翔的佩奇4 天前
【完整源码+数据集+部署教程】PHC桩实例分割系统源码和数据集:改进yolo11-Faster-EMA
python·yolo·计算机视觉·目标跟踪·yolo11·phc桩实例分割
有心栽花无心插柳6 天前
YOLO:一次看遍全局,如何颠覆实时目标检测的游戏规则?
人工智能·yolo·目标检测·计算机视觉·目标跟踪
2501_924877219 天前
强逆光干扰漏检率↓78%!陌讯多模态融合算法在光伏巡检的实战优化
大数据·人工智能·算法·计算机视觉·目标跟踪