deep_sort_yolov3实现多人目标跟踪

简介: deep_sort_yolov3实现多人目标跟踪

1、下载keras-yolov3:https://github.com/qqwweee/keras-yolo3


下载yolov3.weights:https://pjreddie.com/media/files/yolov3.weights将其放在keras-yolo3目录下


然后在keras-yolo3文件目录运行一下命令,得到yolo.h5


python convert.py yolov3.cfg yolov3.weights model_data/yolo.h5
(中间要安装Numpy、TensorFlow、Keras、OpenCV、Pillow等环境)

2、下载deep_sort:https://github.com/nwojke/deep_sort


将keras-yolo3目录下的model_data文件夹里面的yolo.h5和mars-small128.pb复制到deep_sort目录下的model_data文件夹里面


3、运行deep_sort里面的yolo.py会报错:module 'keras.backend' has no attribute 'get_session'是由于tensorflow版本的问题


解决办法:将yolo.py里面44行修改为以下内容:


请.png


4、运行deep_sort里面的yolo_video.py 。会报一个读取video_path文件错误(因为没有合适的视频文件),将其改为从笔记本摄像头读取。



去.png

5、再次运行报错:TypeError: Tensor is unhashable if Tensor equality is enabled. Instead, use tensor.experimental_r 也是版本问题


解决办法:在添加以下代码,就可以啦!


import tensorflow
tensorflow.compat.v1.disable_v2_behavior()


相关文章
|
算法
YOLOv8官方支持多目标跟踪 | ByteTrack、BoT-SORT都已加入YOLOv8官方
YOLOv8官方支持多目标跟踪 | ByteTrack、BoT-SORT都已加入YOLOv8官方
1343 0
|
3月前
|
人工智能 自动驾驶 PyTorch
【人工智能】Transformers之Pipeline(五):深度估计(depth-estimation)
【人工智能】Transformers之Pipeline(五):深度估计(depth-estimation)
59 2
|
6月前
|
机器学习/深度学习 数据可视化 定位技术
PrObeD方法开源 | 主动方法助力YOLOv5/Faster RCNN/DETR在COCO/GOD涨点
PrObeD方法开源 | 主动方法助力YOLOv5/Faster RCNN/DETR在COCO/GOD涨点
80 0
|
6月前
|
机器学习/深度学习 XML JSON
CV目标检测 Task01: 两个年轻人-目标检测基础和VOC数据集 打卡笔记
CV目标检测 Task01: 两个年轻人-目标检测基础和VOC数据集 打卡笔记
559 2
|
6月前
|
机器学习/深度学习 数据可视化 调度
英伟达开源新Backbone涨点方法STL | 让FAN Backbone直接登顶ImageNet-1K等数据集榜单
英伟达开源新Backbone涨点方法STL | 让FAN Backbone直接登顶ImageNet-1K等数据集榜单
130 0
|
6月前
|
机器学习/深度学习 算法 TensorFlow
【Keras+计算机视觉+Tensorflow】实现基于YOLO和Deep Sort的目标检测与跟踪实战(附源码和数据集)
【Keras+计算机视觉+Tensorflow】实现基于YOLO和Deep Sort的目标检测与跟踪实战(附源码和数据集)
96 1
|
6月前
|
机器学习/深度学习 算法 自动驾驶
【计算机视觉】Deep SORT多目标跟踪算法讲解(图文解释 超详细)
【计算机视觉】Deep SORT多目标跟踪算法讲解(图文解释 超详细)
375 0
|
6月前
|
机器学习/深度学习 算法 TensorFlow
【计算机视觉+Tensorflow】SORT目标跟踪算法的讲解(图文解释 超详细)
【计算机视觉+Tensorflow】SORT目标跟踪算法的讲解(图文解释 超详细)
232 0
|
机器学习/深度学习 编解码 数据可视化
【计算机视觉】CNN 可视化算法 CAM & Grad-CAM
CAM 算法是论文《Learning Deep Features for Discriminative Localization》中提出的,作者发现 CNN 网络虽然在训练时可能未提供对象的位置,但是仍然具有很强的定位特征能力。 《Grad-CAM: Visual Explanations from Deep Networks via Gradient-based Localization》论文提出的 Grad-CAM 算法,Grad-CAM 利用网络反向传播的梯度计算出 feature map 每一个通道的权重从而得到热力图。因此 Grad-CAM 可以直接用于各种 CNN 网络而无需重新训
|
机器学习/深度学习 人工智能 搜索推荐
Wide&Deep、DCN、xDeepFM、DIN、GateNet、IPRec…你都掌握了吗?一文总结推荐系统必备经典模型(三)(3)
Wide&Deep、DCN、xDeepFM、DIN、GateNet、IPRec…你都掌握了吗?一文总结推荐系统必备经典模型(三)
314 0