Wulingtian / Deepsort_V2

2020中兴捧月阿尔法赛道多目标检测和跟踪初赛第一名方案

Deepsort

初赛：首先明确题意：多目标跟踪；指标MOTA和MOTP, 后期的大量实验证明检测算法相对于跟踪更重要。

数据集分析：

1.人群密集稀疏场景；

2.场景（白天，黑夜）

3.光照变化丰富。

4.多方向视角，方向变化大；

5.行人速度有快又慢。

Config

Detection：

Cascade-RCNN(HRNet) 基于旷视的mmdetection框架。
采用多尺度训练（1216,608）和（1024,2048）, 多尺度测试：（1216,608），（1632,816）（2048，1024）
常见数据增强crop 翻转，pad等
丢帧后处理线性平滑
修正框小于1==1
多epoch平均的AWS

B榜 新增2个挑战： 更密集的人群和遮挡

初赛不看速度要求，选择SOTA检测算法，Cascade-RCNN ，其中选择HRNet作为backbone。

Reid 模型 尝试了Deepsort自带的 类似于Resnet18, 后更换ResNet50ibn-a效果一般，发现涨分点不在这里。

中兴捧月阿尔法赛道决赛方案

开辟虚拟内存，控制物理内存

python dlcmc.py

程序执行

python main.py 参数： --data_path 测试图片路径 --result_path 输出路径