MAC M2芯片執(zhí)行yolov8 + deepsort 實現目標跟蹤
MAC M2 YoloX + bytetrack實現目標跟蹤
實驗結果 MAC mps顯存太小了跑不動 還是得用服務器跑 需要實驗室的服務器跑 因為網上花錢跑4天太貴了?。?！
步驟過程嘗試：
執(zhí)行mot17 數據集 到coco格式
python3 tools/convert_mot17_to_coco.py
執(zhí)行mps發(fā)現顯存不夠用
選擇autodl 上的服務器進行訓練
安裝conda install git
然后重新進行 pycocotools.進行
step 2 安裝docker 環(huán)境
sudo apt-get install \
apt-transport-https \
ca-certificates \
curl \
gnupg-agent \
software-properties-common
添加官方秘鑰
$ curl -fsSL https://mirrors.ustc.edu.cn/docker-ce/linux/ubuntu/gpg | sudo apt-key add -
安裝docker環(huán)境失敗 也是可以運行的
不影響bytetrack訓練
這個是使用best權重計算得到的
下面是使用pretrain自己生成的得到的
同時 可以比較其他的追蹤器
使用sort跟蹤【結果】：
訓練自己上傳自定義的跟蹤視頻
下載比較結果
10個輪次的結果不夠分析 需要實驗室的服務器進行深度訓練
傳統理解為，IoU大于50%的時候，認為是目標檢測到了。
為了更細化區(qū)分網絡的性能，COCO數據集的評價標準中，把IoU的值從50%到95%每隔5%進行了一次劃分。
具體來說，0.5 0.55 0.6 0.65 0.7 0.75 0.8 0.85 0.9 0.95 ，一共十個，每次測試的時候都是在IoU=這個數上測試的。
在這10組precision-recall對中，我們對這十個值取平均（我理解為，10個PR曲線下得到的AP值，然后對這10個AP進行平均），得到了一個AP@[0.5:0.95]
有時固定IoU的閾值，比如50%或75%，也就是AP50和AP75，意味著IoU為50%或者75%時的AP值。
·為什么要在不同的IoU情況下求AP和AR？文章來源：http://www.zghlxwxcb.cn/news/detail-685281.html
方便模型進行懲罰差的結果，優(yōu)化好的結果。文章來源地址http://www.zghlxwxcb.cn/news/detail-685281.html
到了這里，關于MAC M2芯片執(zhí)行yolov8 + deepsort 實現目標跟蹤的文章就介紹完了。如果您還想了解更多內容，請在右上角搜索TOY模板網以前的文章或繼續(xù)瀏覽下面的相關文章，希望大家以后多多支持TOY模板網！
