Yolov5_DeepSort_Pytorch

Yolov5_DeepSort_Pytorch

Detalles del producto

Favoritos

Lenguaje de programación

Hablar con el vendedor

Planes de soporte

Actualmente no hay planes OSS disponibles

Si eres proveedor o colaborador del repositorio, puedes comenzar a agregar tu plan OSS.

Añadir un plan OSS
Aprende más aquí

Contáctenos www.piecex.com/contacts si está buscando un plan para este código abierto. Le ayudaremos a ponerse en contacto con proveedores profesionales.

Detalles del producto

Real-time multi-object tracker using YOLO v5 and deep sort

Easy training program of Yolov5 Deep Sort with PyTorch

Prerequisites

  • Already installed Docker

How to use

  • create environment (common step)

    • execute following script in command line
      
      # clone this repository
      git clone --recurse-submodules https://github.com/tmfi-analytics/Yolov5_DeepSort_Pytorch.git

    build Docker container using Dockerfile

    cd Yolov5_DeepSort_Pytorch docker build -t [YOUR CONTAINER NAME] .

3 ways to use

  • Just execute human tracking demo

    • edit config.sh as following

      # 訓練済みのモデルで物体追跡をする場合はここを1に設定
      JUST_PREDICTION=1
      
      # YOLOV5の訓練に自前のデータセットを使用する場合はここを1に設定
      USE_CUSTOM_DATASET=0
    • execute docker run command
      cd Yolov5_DeepSort_Pytorch
      docker run -it --env-file=config.sh -v `pwd`/data:/app/data --shm-size=2048m [YOUR CONTAINER NAME]
    • watch the output video
      ls data/result
  • train the human detection model and track using prepared dataset

  • train the human detection model and track using custom dataset

    • put train and val dataset as following
        スクリーンショット 2021-12-14 23 36 52
      put image files in images directory and label files in labels directory. the pair of image file and label file must be same file name
      please refer the following link about label format
      https://github.com/ultralytics/yolov5/wiki/Train-Custom-Data
    • put mp4 file for test as data/test/test.mp4
    • edit config.sh as following

      # 訓練済みのモデルで物体追跡をする場合はここを1に設定
      JUST_PREDICTION=0
      
      # YOLOV5の訓練に自前のデータセットを使用する場合はここを1に設定
      USE_CUSTOM_DATASET=1
    • execute docker run command
      cd Yolov5_DeepSort_Pytorch
      docker run -it --env-file=config.sh -v `pwd`/data:/app/data --shm-size=2048m [YOUR CONTAINER NAME]
    • watch the output video
      ls data/result

Mantengase en contacto

    Obtenga consejos prácticos para empresas y desarrolladores.

    Conozca las necesidades de la comunidad de PieceX para vender proyectos de código fuente.

    Sea el primero en conocer los últimos fuentes gratuitos.
PieceX Logo