AIC2023_Track1_Catatan

[CVPRW2023] Mengatasi Masalah Oklusi pada Pelacakan Orang Multi-Kamera dengan Estimasi Pose Manusia

Tempat resmi untuk NVIDIA AI City Challenge ke-7 (Track1: Pelacakan Orang Multi-Kamera) dari tim Netspresso (Nota Inc.)

Lingkungan

• opsi 1: Instal dependensi di lingkungan Anda

bash ./setup.sh

• opsi 2: Gunakan gambar buruh pelabuhan kami

docker build -t aic2023/track1_nota:latest -f ./Dockerfile .
docker run -it --gpus all -v /path/to/AIC2023_Track1_Nota:/workspace/AIC2023_Track1_Nota aic2023/track1_nota:latest /bin/bash

Persiapan Data & Model

1. Unduh kumpulan data dan ekstrak bingkai

 # extract frames
python3 tools/extract_frames.py --path /path/to/AIC23_Track1_MTMC_Tracking/

2. Unduh model terlatih (Google Drive)

Pastikan struktur datanya seperti:

 ├── AIC2023_Track1_Nota
    └── datasets
    |   ├── S001
    |   |   ├── c001
    |   |   |   ├── frame1.jpg
    |   |   |   └── ...
    |   |   ├── ...
    |   |   └── map.png
    |   ├── ...
    |   └── S022
    |
    └── pretrained
        ├── market_mgn_R50-ibn.pth
        ├── duke_sbs_R101-ibn.pth
        ├── msmt_agw_S50.pth
        ├── market_aic_bot_R50.pth
        ├── yolov8x6.pth
        ├── yolov8x6_aic.pth
        └── yolov8x_aic.pth

Mereproduksi Hasil MCPT

Jalankan bash ./run_mcpt.sh

File hasil akan disimpan sebagai berikut:

 ├── AIC2023_Track1_Nota
    └── results
        ├── S001.txt
        ├── ...
        └── track1_submission.txt

Kutipan

 @InProceedings{Kim_2023_CVPR,
    author    = {Jeongho Kim, Wooksu Shin, Hancheol Park and Jongwon Baek},
    title     = {Addressing the Occlusion Problem in Multi-Camera People Tracking with Human Pose Estimation},
    booktitle = {Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Workshops},
    month     = {June},
    year      = {2023},
}

Ketentuan penggunaan

Sistem pelacakan orang multi-kamera yang diterbitkan dalam repositori ini dikembangkan dengan menggabungkan beberapa modul (misalnya, pendeteksi objek, model identifikasi ulang, model pelacakan multi-objek). Penggunaan komersial atas modifikasi, penambahan, atau parameter baru yang dilatih yang dibuat untuk menggabungkan modul-modul ini tidak diperbolehkan. Namun, penggunaan komersial dari modul yang tidak dimodifikasi diperbolehkan berdasarkan lisensi masing-masing. Jika Anda ingin menggunakan masing-masing modul secara komersial, Anda dapat merujuk ke repositori aslinya dan lisensi yang disediakan di bawah.

Tautan pendeteksi objek (lisensi): Github, Lisensi

Tautan model identifikasi ulang (lisensi): Github, Lisensi

Tautan model pelacakan multi-objek (lisensi): Github, Lisensi