AIC2023_Track1_หมายเหตุ

[CVPRW2023] การจัดการกับปัญหาการบดเคี้ยวในการติดตามผู้คนด้วยกล้องหลายตัวด้วยการประมาณค่าท่าทางของมนุษย์

พื้นที่เก็บข้อมูลอย่างเป็นทางการสำหรับ NVIDIA AI City Challenge ครั้งที่ 7 (แทร็ก 1: การติดตามผู้คนด้วยกล้องหลายตัว) จากทีม Netspresso (Nota Inc.)

สิ่งแวดล้อม

• ตัวเลือกที่ 1: ติดตั้งการขึ้นต่อกันในสภาพแวดล้อมของคุณ

bash ./setup.sh

• ตัวเลือกที่ 2: ใช้อิมเมจนักเทียบท่าของเรา

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

การเตรียมข้อมูลและแบบจำลอง

1. ดาวน์โหลดชุดข้อมูลและแยกเฟรม

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

2. ดาวน์โหลดโมเดลก่อนการฝึกอบรม (Google Drive)

ตรวจสอบให้แน่ใจว่าโครงสร้างข้อมูลเป็นดังนี้:

 ├── 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

สร้างผลลัพธ์ MCPT ซ้ำ

เรียกใช้ bash ./run_mcpt.sh

ไฟล์ผลลัพธ์จะถูกบันทึกดังนี้:

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

การอ้างอิง

 @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},
}

เงื่อนไขการใช้งาน

ระบบติดตามบุคคลด้วยกล้องหลายตัวที่เผยแพร่ในพื้นที่เก็บข้อมูลนี้ได้รับการพัฒนาโดยการรวมโมดูลต่างๆ เข้าด้วยกัน (เช่น ตัวตรวจจับวัตถุ โมเดลการระบุตัวตนใหม่ โมเดลการติดตามหลายวัตถุ) ไม่อนุญาตให้ใช้การดัดแปลง เพิ่มเติม หรือพารามิเตอร์ที่ได้รับการฝึกอบรมใหม่เพื่อรวมโมดูลเหล่านี้ในเชิงพาณิชย์ อย่างไรก็ตาม อนุญาตให้ใช้โมดูลที่ไม่มีการดัดแปลงในเชิงพาณิชย์ได้ภายใต้ใบอนุญาตที่เกี่ยวข้อง หากคุณต้องการใช้แต่ละโมดูลในเชิงพาณิชย์ คุณสามารถดูที่เก็บข้อมูลและใบอนุญาตดั้งเดิมของโมดูลเหล่านั้นที่ให้ไว้ด้านล่าง

ลิงก์ตัวตรวจจับวัตถุ (ใบอนุญาต) : Github, ใบอนุญาต

ลิงก์แบบจำลองการระบุตัวตนซ้ำ (ใบอนุญาต) : Github, ใบอนุญาต

ลิงก์แบบจำลองการติดตามหลายวัตถุ (ใบอนุญาต) : Github, ใบอนุญาต