网站权重问题,h5制作步骤,南京市建设发展集团有限公司网站,成都网站设计优选柚v米科技项目名称为Evidential Detection and Tracking Collaboration#xff0c;主要用于强大的反无人机系统#xff0c;涉及新问题、基准和算法研究。下面介绍项目的复现步骤#xff1a;
安装环境#xff1a;使用Anaconda创建并激活名为edtc的虚拟环境#xff0c;Python版本为3…项目名称为Evidential Detection and Tracking Collaboration主要用于强大的反无人机系统涉及新问题、基准和算法研究。下面介绍项目的复现步骤
安装环境使用Anaconda创建并激活名为edtc的虚拟环境Python版本为3.6然后执行bash install_pytorch17.sh脚本安装相关依赖。
conda create -n edtc python3.6
conda activate edtc
bash install_pytorch17.sh训练YOLO检测器 编辑数据集设置文件/path/to/EDTC/yolov5/data/antiuav.yaml配置数据集路径等信息。进入/path/to/EDTC/yolov5目录执行python train.py开始训练YOLO检测器。
cd /path/to/EDTC/yolov5
python train.py训练跟踪分支 运行python tracking/create_default_local_file.py --workspace_dir . --data_dir ./data --save_dir .命令设置项目路径之后可通过编辑lib/train/admin/local.py训练路径相关、experiments/uavtrack/baseline.yaml阶段1训练路径相关、experiments/uavtrack_eh/baseline.yaml阶段2训练路径相关文件修改路径。阶段1训练执行python tracking/train.py --script uavtrack --config baseline --save_dir . --mode multiple --nproc_per_node 8命令进行训练。阶段2训练执行python tracking/train.py --script uavtrack_eh --config baseline --save_dir /PATH/TO/SAVE/UAVTRACK_EH --mode multiple --nproc_per_node 8 --stage1_model /STAGE1/MODEL/PATH命令进行训练需指定阶段1模型的路径。 在AntiUAV600数据集上评估 从[Models and Raw results](Google Driver)下载预训练模型。编辑lib/test/evaluation/local.py测试路径相关和experiments/uavtrack_eh/baseline.yamlYOLO预训练模型路径修改其中第133 - 134行文件设置相关路径。设置环境变量
export PYTHONPATH$PYTHONPATH:/path/to/EDTC
export PYTHONPATH$PYTHONPATH:/path/to/EDTC/yolov5- 运行评估命令python tracking/test.py uavtrack_eh baseline --dataset antiuav --threads 32 --num_gpus 8 --params__model /path/to/UAVTrackEH.pth.tar --params__search_area_scale 4.55。若要可视化跟踪结果需编辑/path/to/EDTC/lib/test/evaluation/environment.py文件的第27行将self.show_result设置为True。
- 执行python tracking/evaluate_antiuav_performance.py命令获取评估指标。在复现过程中若数据集尚未发布需等待数据集发布后获取并按要求放置在指定路径。同时确保各路径设置正确若涉及多GPU训练需保证GPU环境正常且符合代码要求。
