KeyForce

Pretrained model was use [MMdetection](https://github.com/open-mmlab/mmdetection) officials imagenet weights

* 没有在MOT的数据集上面测试过，但是在MOT的数据集上训练目标检测，效果比Crowdhuman差， * 比FairMOT等one-stage的方法性能提升幅度巨大，一般来说私有检测器性能对跟踪影响最大，详细你可以观察一下MOT Public和Private赛道的精度对比。 * 这个方案速度比较慢，推理FPS为5以下，即1S跑5张以下。

比较的是中兴提供的参赛数据集。 MOT数据在数量上比Crowdhuman少很多，并且数据质量也差挺多的。

1. 把COCO或者VOC格式真实标签转换成MOT标准格式，参考[KeyForce/Cascade-RCNN-Tracking/my_deep_sort_mgn.py#L30](https://github.com/KeyForce/Cascade-RCNN-Tracking/blob/master/my_deep_sort_mgn.py#L30) 2. 把跟踪的结果输出成MOT的标准格式 3. 使用[py-motmetrics/eval_motchallenge.py](https://github.com/cheind/py-motmetrics/blob/master/motmetrics/apps/eval_motchallenge.py)进行评估

理论上什么环境都是可以的，只不过不同环境需要自己适配一下。

1. 在Win下会出现某些包无法安装的情况（编译方式错误），建议在linux下运行。 2. 目前这个项目支持Private测试，若要单独测试Public还需要修改部分代码（直接使用Tracking代码，不用Detection）。

Hi This project is base on MMdetection, so the way to config data directory is manual. You can config training script to use your data directory, such like [configs/MyDet/crowdhuman_cascade_rcnn_x101_64x4d_fpn_1x.py#L197](https://github.com/KeyForce/Cascade-RCNN-Tracking/blob/master/configs/MyDet/crowdhuman_cascade_rcnn_x101_64x4d_fpn_1x.py#L197)

这个应该是没有安装mmcv这个库吧 建议参考一下这个文档[MMDetection Installation](https://mmdetection.readthedocs.io/en/latest/get_started.html#installation)

同目录下就行了，这个主要要保证运行的库要能找到。

问题解决了吗？发个邮件给我吧，附上你的微信，我加你。 Email：[email protected]