TraDeS 项目使用教程
2026-01-15 17:33:09作者:魏献源Searcher
1. 项目目录结构及介绍
TraDeS 项目的目录结构如下:
TraDeS/
├── experiments/
│ ├── crowdhuman.sh
│ ├── mot17_test.sh
│ ├── mot17_train.sh
│ ├── nuScenes_test.sh
│ ├── nuScenes_train.sh
├── models/
├── readme/
├── src/
│ ├── demo.py
│ ├── ...
├── videos/
├── .gitignore
├── LICENSE
├── NOTICE
├── README.md
├── mot_switch_version.sh
├── nuscenes_switch_version.sh
├── requirements.txt
目录介绍
- experiments/: 包含项目的实验脚本,用于训练和测试模型。
- models/: 存放预训练模型文件。
- readme/: 可能包含项目的额外文档或说明。
- src/: 项目的源代码目录,包含主要的 Python 脚本。
- videos/: 存放用于演示的视频文件。
- .gitignore: Git 忽略文件配置。
- LICENSE: 项目的开源许可证文件。
- NOTICE: 项目通知文件。
- README.md: 项目的主文档文件。
- mot_switch_version.sh: 用于切换 MOT 数据集 API 版本的脚本。
- nuscenes_switch_version.sh: 用于切换 nuScenes 数据集 API 版本的脚本。
- requirements.txt: 项目依赖的 Python 包列表。
2. 项目启动文件介绍
项目的启动文件主要位于 src/ 目录下,其中 demo.py 是用于运行演示的主要脚本。
src/demo.py
demo.py 是用于运行 2D 和 3D 跟踪演示的脚本。可以通过命令行参数指定不同的模型和视频文件进行演示。
示例命令
-
2D 跟踪演示:
python demo.py tracking --dataset mot --load_model ../models/mot_half.pth --demo ../videos/mot_mini.mp4 --pre_hm --ltrb_amodal --pre_thresh 0.5 --track_thresh 0.4 --inference --clip_len 3 --trades --save_video --resize_video --input_h 544 --input_w 960 -
3D 跟踪演示:
python demo.py tracking_ddd --dataset nuscenes --load_model ../models/nuscenes.pth --demo ../videos/nuscenes_mini.mp4 --pre_hm --track_thresh 0.1 --inference --clip_len 2 --trades --save_video --resize_video --input_h 448 --input_w 800 --test_focal_length 633
3. 项目的配置文件介绍
项目的配置文件主要包括 requirements.txt 和 experiments/ 目录下的脚本。
requirements.txt
requirements.txt 文件列出了项目运行所需的 Python 依赖包。可以使用以下命令安装这些依赖:
pip install -r requirements.txt
experiments/ 目录下的脚本
experiments/ 目录下的脚本用于配置和运行不同的实验,包括训练和测试模型。
-
训练 MOT17 数据集:
sh experiments/mot17_train.sh -
测试 MOT17 数据集:
sh experiments/mot17_test.sh -
训练 nuScenes 数据集:
sh experiments/nuScenes_train.sh -
测试 nuScenes 数据集:
sh experiments/nuScenes_test.sh
这些脚本会根据项目的配置文件和数据集进行相应的训练和测试操作。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0151- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
732
4.75 K
Ascend Extension for PyTorch
Python
614
793
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1 K
1.01 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
433
393
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
145
237
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.17 K
151
暂无简介
Dart
983
252
Oohos_react_native
React Native鸿蒙化仓库
C++
348
402
昇腾LLM分布式训练框架
Python
166
198
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.67 K
987