github.com/open-mmlab/mmtracking @v0.14.0 sqlite

 

<b><font size="5">OpenMMLab 官网</font></b>
<sup>
  <a href="https://openmmlab.com">
    <i><font size="4">HOT</font></i>
  </a>
</sup>
&nbsp;&nbsp;&nbsp;&nbsp;
<b><font size="5">OpenMMLab 开放平台</font></b>
<sup>
  <a href="https://platform.openmmlab.com">
    <i><font size="4">TRY IT OUT</font></i>
  </a>
</sup>

 

📘Documentation | 🛠️Installation | 👀Model Zoo | 🆕Update News | 🤔Reporting Issues

English | 简体中文

简介

MMTracking是一款基于PyTorch的视频目标感知开源工具箱，是OpenMMLab项目的一部分。

主分支代码目前支持PyTorch 1.5以上的版本。

主要特性

• 首个开源一体化视频目标感知平台

MMTracking 是首个开源一体化视频目标感知工具箱，同时支持视频目标检测，多目标跟踪，单目标跟踪和视频实例分割等多种任务和算法。

• 模块化设计

MMTracking将统一的视频目标感知框架解耦成不同的模块组件，通过组合不同模块组件，用户可以便捷地构建自定义视频目标感知模型。

• 简洁、高效、强大

简洁：MMTracking与其他OpenMMLab平台充分交互。MMTracking充分复用MMDetection中的已有模块，我们只需要修改配置文件就可以使用任何检测器。

高效：MMTracking所有操作都在GPU上运行。相比其他开源库的实现，MMTracking的训练和推理更加高效。

强大：MMTracking复现了SOTA性能的模型。受益于MMDetection的持续推进，部分实现精度超出官方版本。

更新

• 添加了 OC-SORT 的预训练模型。

v0.14.0版本已于2022年09月19日发布，可通过查阅更新日志了解更多细节以及发布历史。

安装

请参考安装指南进行安装。

开始使用MMTracking

请参考数据集和快速开始了解MMTracking的基本使用。

我们提供了跟踪的Colab教程，您可以在这里预览或者直接在Colab上运行。

MMTracking也提供了更详细的教程，比如配置文件简介, 视频目标检测器配置文件详解, 多目标跟踪器配置文件详解, 单目标跟踪器配置文件详解, 自定义数据集, 自定义数据预处理流程, 自定义视频目标检测器, 自定义多目标跟踪器, 自定义单目标跟踪器, 自定义训练配置 以及 有用的工具和脚本。

基准测试与模型库

本工具箱支持的各个模型的结果和设置都可以在模型库页面中查看。

视频目标检测

支持的算法:

• [x] DFF (CVPR 2017)
• [x] FGFA (ICCV 2017)
• [x] SELSA (ICCV 2019)
• [x] Temporal RoI Align (AAAI 2021)

支持的数据集：

• [x] ILSVRC

单目标跟踪

支持的算法:

• [x] SiameseRPN++ (CVPR 2019)
• [x] STARK (ICCV 2021)
• [ ] PrDiMP (CVPR2020) (WIP)

支持的数据集：

• [x] LaSOT
• [x] UAV123
• [x] TrackingNet
• [x] OTB100
• [x] GOT10k
• [x] VOT2018

多目标跟踪

支持的算法:

• [x] SORT/DeepSORT (ICIP 2016/2017)
• [x] Tracktor (ICCV 2019)
• [x] QDTrack (CVPR 2021)
• [x] ByteTrack (ECCV 2022)
• [x] OC-SORT (arXiv 2022)

支持的数据集：

• [x] MOT Challenge
• [x] CrowdHuman
• [x] LVIS
• [x] TAO
• [x] DanceTrack

视频实例分割

支持的算法:

• [x] MaskTrack R-CNN (ICCV 2019)

支持的数据集：

• [x] YouTube-VIS

参与贡献

我们非常欢迎用户对于MMTracking做出的任何贡献，可以参考贡献指南文件了解更多细节和在这个讨论中规划MMTracking的开发计划。

致谢

MMTracking是一款开源项目，我们欢迎任何贡献和反馈。我们希望该工具箱和基准测试可以为社区提供灵活的代码工具，供用户复现现有算法并开发自己新的视频目标感知方法。

引用

如果你觉得MMTracking对你的研究有所帮助，可以考虑引用它:

@misc{mmtrack2020,
    title={{MMTracking: OpenMMLab} video perception toolbox and benchmark},
    author={MMTracking Contributors},
    howpublished = {\url{https://github.com/open-mmlab/mmtracking}},
    year={2020}
}

许可

该项目遵循Apache 2.0 license开源协议。

OpenMMLab 的其他项目

• MMCV：OpenMMLab计算机视觉基础库
• MIM: MIM 是 OpenMMlab 项目、算法、模型的统一入口
• MMClassification: OpenMMLab 图像分类工具箱
• MMDetection: OpenMMLab 目标检测工具箱
• MMDetection3D: OpenMMLab 新一代通用 3D 目标检测平台
• MMRotate: OpenMMLab 旋转框检测工具箱与测试基准
• MMSegmentation: OpenMMLab 语义分割工具箱
• MMOCR: OpenMMLab 全流程文字检测识别理解工具包
• MMPose: OpenMMLab 姿态估计工具箱
• MMHuman3D: OpenMMLab 人体参数化模型工具箱与测试基准
• MMSelfSup: OpenMMLab 自监督学习工具箱与测试基准
• MMRazor: OpenMMLab 模型压缩工具箱与测试基准
• MMFewShot: OpenMMLab 少样本学习工具箱与测试基准
• MMAction2: OpenMMLab 新一代视频理解工具箱
• MMTracking: OpenMMLab 一体化视频目标感知平台
• MMFlow: OpenMMLab 光流估计工具箱与测试基准
• MMEditing: OpenMMLab 图像视频编辑工具箱
• MMGeneration: OpenMMLab 图片视频生成模型工具箱
• MMDeploy: OpenMMLab 模型部署框架

欢迎加入 OpenMMLab 社区

扫描下方的二维码可关注 OpenMMLab 团队的 知乎官方账号，加入 OpenMMLab 团队的 官方交流 QQ 群

我们会在 OpenMMLab 社区为大家

• 📢 分享 AI 框架的前沿核心技术
• 💻 解读 PyTorch 常用模块源码
• 📰 发布 OpenMMLab 的相关新闻
• 🚀 介绍 OpenMMLab 开发的前沿算法
• 🏃 获取更高效的问题答疑和意见反馈
• 🔥 提供与各行各业开发者充分交流的平台

干货满满 📘，等你来撩 💗，OpenMMLab 社区期待您的加入 👬