7、deepsort环境，和yolov5的环境搭建

一只蒜头青蛙

已于 2024-02-18 14:57:46 修改

阅读量619

点赞数

分类专栏：计算机视觉cv-base 文章标签： YOLO 深度学习 pytorch opencv 目标跟踪

于 2023-07-25 19:24:57 首次发布

本文链接：https://blog.youkuaiyun.com/qq_43199049/article/details/131924662

版权

计算机视觉cv-base 专栏收录该内容

8 篇文章

订阅专栏

本文介绍了如何配置DeepSORT环境，包括使用CUDA110的torch版本。文章详细阐述了从安装依赖到训练自定义模型的过程，特别是针对YOLV5的预训练模型进行调整，以及创建和标注数据集。此外，还提到了DeepSORT的Re-ID训练和速度估计方法，包括考虑视频帧率和逆透视计算距离的技巧。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、环境安装： deepsort环境：：名称 deepsort_cuda110 ！！

        正确的步骤（前两个，是错误示范！！！）
   pip install torch==1.7.1+cu110 torchvision==0.8.2+cu110 torchaudio==0.7.2 -f https://download.pytorch.org/whl/torch_stable.html
   #### 正确的配置：：：   torch 1.7.1 + cuda 110   ！！！

二、代码准备：

   1、修改权重，为官网下载的 yolov5s.pt的预训练文件，发现测试效果不怎么样，IDswitch，还有没跟踪上等问题，因为没有针对特定场景训练，所以我们自己训练一个！
   2、摄像头截屏，作为数据集，利用yolov5寻里哪一个自己的预训练模型pt，
       2.1 标注：划分好文件夹，训练集和测试集，
       2.2 训练：
           1、修改yaml文件，位置dataset文件coco_hightways.yaml，路径path，相对path下的train和val路径，nc=2两类，类名：nc_nmae = ['car','track'],
           2、修改yaml文件，模型models规格，yolov5n、s、m.yaml，只需修改类别数量nc，nc为2即可！！！
           3、如同上次训练工地防护检测项目，再次进行训练即可。
   3、deepsort文件部分：
       deepsort文件夹下的deepsort，里面的deep文件，
       表征网络，外貌网络的特征提取文件，放在checkpoint 里的 ckpt7.t7 【 checkpoint7.t7 】
       ckpt7放在，最外层的deepsort的 configs文件夹的yaml文件里！
   4、deepsort的训练【 re-ID 】：
       类似于 yolov5训练的检测模型
       创建一个类似yolov5的文件夹，里面放置所有文件夹，每个文件里，是每辆车在不同运动时间下的不同状态图，
       若需要训练：可以使用deep文件夹下的train.py文件，修改下，--data-dir 数据所在目录即可，
       类目（多少个车的文件夹），model.py里，有一个nun_classes，相当于yolov5的nc，修改成文件夹车辆的数量

       ## 实践：       进入deep目录，python train.py --data-dir ./car-reid-dataset/ ，训练一个epoch即可，因其网络较深，训练较慢！--data-dir 即为你数据集的目录！！！
       注意：    训练过程中 ckpt7.t7 会被覆盖，所以最好先备份一个《副本》！
       结束后：   他会保存一个训练结果最好的 epoch，模型文件，放在原来的ckpt.t7 的文件夹，覆盖掉原来的那个
               deep文件夹下，会生成每一个epoch 下的训练集和测试集的 loss图！！

   5、速度估计：
       速度 = 距离/时间
       时间：好估计，因为视频帧数 FPS = 1秒内的画面数，只需每每过 fps帧，即为时间上的 1秒！！
           不能用物理上的1 s，因为视频运算，不同模型下，性能有差异，算力不同计算速度不同，不一定是真实的 1秒！！！

       距离：因为视频画面，斜着拍的，非平面，必须采用《逆透视》，根据经纬度，标注画面，估算出距离！
       高德地图：   找出坐标点、点击分享，url地址里，有对应的经纬度信息，
       逆透视：       采用网上别人写好的脚本，经纬度逆透视成距离，pixel_to_dis
       视频画面 jupyter 脚本：
               魔法函数%matplotlib qt5，而不是%inline,
               jupyter lab 中打开截图，标记坐标点，像素位置xy，
                   记得点击放大镜，划出矩形位置，放大画面！！！
                   左上角标记完成，点击一下home，再放大镜放大，要回右下角的xy坐标，
               绘制一下原点，以四个点为坐标，看看对不对！！！
       高德地图：   获取具体位置的经纬度，
               这是哪里，更多，分享！！！ url打开后，会有具体的经纬度坐标！！！