Yolov5_StrongSORT_OSNet-5.0

Yolov5_StrongSORT_OSNet-5.0

前言

Yolov5_StrongSORT_OSNet-5.0环境搭建以及例子

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、环境搭建

 1.参考【YOLOv5-5.0】环境搭建GitHub - ultralytics/yolov5: YOLOv5 in PyTorch > ONNX > CoreML > TFLite【YOLOv5-5.0】环境搭建 先将yolov5的环境搭建好

pip install -r requirements.txt  # install

建议使用清华镜像：

pip install -r requirements.txt  -i Simple Index 

目录

前言

一、环境搭建

 1.参考【YOLOv5-5.0】环境搭建GitHub - ultralytics/yolov5: YOLOv5 in PyTorch > ONNX > CoreML > TFLite【YOLOv5-5.0】环境搭建 先将yolov5的环境搭建好

2.拉取https://github.com/mikel-brostrom/Yolov5_StrongSORT_OSNet/tree/v5.0

3.出现No module named 'torchreid'

二、使用步骤

1.终端输入以下代码：

---

注意：yolov5为空，需要自己GitHub - ultralytics/yolov5: YOLOv5 in PyTorch > ONNX > CoreML > TFLite拉取，

如下图，点击yolov5@7c6a335进入ultralytics/yolov5中直接拉取到Yolov5_StrongSORT_OSNet-v5.0/yolov5目录下

比较坑的点是：Yolov5_StrongSORT_OSNet-5.0对应的yolov5-6.0，因此下载yolov5-6.0权重yolov5m.pt

https://github.com/ultralytics/yolov5/releases/tag/v6.0

3.出现No module named 'torchreid'

pip install https://github.com/KaiyangZhou/deep-person-reid/archive/master.zip

二、使用步骤

1.终端输入以下代码：

--save-vid代表：保存检测文件

 python track.py --source test/test.mp4 --yolo_model yolov5/yolov5m.pt --img 640  --save-vidr

 如下：检测的视频保存到runs/track/yolov5/yolov5m_osnet_ibn_x1_0_MSMT173/下

其实这一行代码，会自动下载osnet_ibn_x1_0_MSMT17.pth模型，并存放在deep_sort/deep/checkpoint/osnet_ibn_x1_0_MSMT17.pth