推論¶

与えられたビデオまたは連続画像を含むフォルダを推論するためのデモスクリプトを提供します。ソースコードはこちらにあります。

入力としてフォルダを使用する場合、その中の画像名は**ソート可能**である必要があります。つまり、ファイル名に含まれる数字に従って画像を並べ替えることができます。現在、ファイル名が.jpg、.jpeg、.pngで終わる画像の読み込みのみをサポートしています。

MOT モデルの推論¶

このスクリプトは、入力ビデオ/画像を複数物体追跡またはビデオインスタンスセグメンテーションモデルで推論できます。

python demo/mot_demo.py \
    ${INPUTS}
    ${CONFIG_FILE} \
    [--checkpoint ${CHECKPOINT_FILE}] \
    [--detector ${DETECTOR_FILE}] \
    [--reid ${REID_FILE}] \
    [--score-thr ${SCORE_THR}] \
    [--device ${DEVICE}] \
    [--out ${OUTPUT}] \
    [--show]

INPUTとOUTPUTは、どちらもmp4 ビデオ形式とフォルダ形式をサポートします。

重要：DeepSORT、SORT、StrongSORTの場合、reidの重みとdetectorの重みを個別にロードする必要があります。そのため、重みをロードするために--detectorと--reidを使用します。ByteTrack、OCSORT、QDTrack、MaskTrackRCNN、Mask2Formerなどの他のアルゴリズムは、重みをロードするために--checkpointを使用します。

オプション引数

CHECKPOINT_FILE：チェックポイントはオプションです。
DETECTOR_FILE：検出器はオプションです。
REID_FILE：reid はオプションです。
SCORE_THR：バウンディングボックスをフィルタリングするためのスコアのスレッショルド。
DEVICE：推論を行うデバイス。オプションはcpuまたはcuda:0などです。
OUTPUT：視覚化されたデモの出力。指定されていない場合、--showを使用してビデオをリアルタイムで表示する必要があります。
--show：ビデオをリアルタイムで表示するかどうか。

MOT モデルの実行例

# Example 1: do not specify --checkpoint to use --detector
python demo/mot_demo.py \
    demo/demo_mot.mp4 \
    configs/sort/sort_faster-rcnn_r50_fpn_8xb2-4e_mot17halftrain_test-mot17halfval.py \
    --detector \
    https://download.openmmlab.com/mmtracking/mot/faster_rcnn/faster-rcnn_r50_fpn_4e_mot17-half-64ee2ed4.pth \
    --out mot.mp4

# Example 2: use --checkpoint
python demo/mot_demo.py \
    demo/demo_mot.mp4 \
    configs/qdtrack/qdtrack_faster-rcnn_r50_fpn_8xb2-4e_mot17halftrain_test-mot17halfval.py \
    --checkpoint https://download.openmmlab.com/mmtracking/mot/qdtrack/mot_dataset/qdtrack_faster-rcnn_r50_fpn_4e_mot17_20220315_145635-76f295ef.pth \
    --out mot.mp4