MMTracking のインストールと動作確認（トラッキングビジョン）（PyTorch，Python，MMCV，MMDetection を使用）（Windows 上）

MMTracking の動作確認（Windows 上）

1. Windows で，コマンドプロンプトを管理者として実行

   コマンドプロンプトを管理者として実行: 別ページ »で説明

2. 事前学習済みモデルのダウンロード

   次のコマンドを実行する．

   cd %HOMEPATH%\mmtracking
   mkdir checkpoints
   cd checkpoints
   curl -O https://download.openmmlab.com/mmtracking/vid/selsa/selsa_faster_rcnn_r50_dc5_1x_imagenetvid/selsa_faster_rcnn_r50_dc5_1x_imagenetvid_20201227_204835-2f5a4952.pth
   curl -O https://download.openmmlab.com/mmtracking/sot/siamese_rpn/siamese_rpn_r50_1x_lasot/siamese_rpn_r50_1x_lasot_20211203_151612-da4b3c66.pth
   curl -O https://download.openmmlab.com/mmtracking/vis/masktrack_rcnn/masktrack_rcnn_r50_fpn_12e_youtubevis2019/masktrack_rcnn_r50_fpn_12e_youtubevis2019_20211022_194830-6ca6b91e.pth
   

   
3. MOT (Multiple Object Tracling) を行う Python プログラム

   次の Python プログラムを実行する．mmcv を用いた表示を行うので，Jupyter QtConsole や Jupyter ノートブック (Jupyter Notebook) の利用が便利である．

   Python プログラムは，公式ページhttps://github.com/open-mmlab/mmtracking/blob/master/demo/MMTracking_Tutorial.ipynb のものを書き換えて使用．

   下図では，Python プログラムの実行のため，jupyter qtconsole を使用している．

   import os
   import mmcv
   import tempfile
   from mmtrack.apis import inference_mot, init_model
   
   os.chdir((os.getenv('HOMEPATH') + '\\' + 'mmtracking'))
   mot_config = './configs/mot/deepsort/deepsort_faster-rcnn_fpn_4e_mot17-private-half.py'
   input_video = './demo/demo.mp4'
   imgs = mmcv.VideoReader(input_video)
   # build the model from a config file
   mot_model = init_model(mot_config, device='cuda:0')
   prog_bar = mmcv.ProgressBar(len(imgs))
   out_dir = tempfile.TemporaryDirectory()
   out_path = out_dir.name
   # test and show/save the images
   for i, img in enumerate(imgs):
       result = inference_mot(mot_model, img, frame_id=i)
       mot_model.show_result(
               img,
               result,
               show=False,
               wait_time=int(1000. / imgs.fps),
               out_file=f'{out_path}/{i:06d}.jpg')
       prog_bar.update()
   
   output = './demo/mot.mp4'
   print(f'\n making the output video at {output} with a FPS of {imgs.fps}')
   mmcv.frames2video(out_path, output, fps=imgs.fps, fourcc='mp4v')
   out_dir.cleanup()
   

   

   ./demo/mot.mp4 を表示．

   
4. VIS (Video Instance Segmentation) を行う Python プログラム

   次の Python プログラムを実行する．mmcv を用いた表示を行うので，Jupyter QtConsole や Jupyter ノートブック (Jupyter Notebook) の利用が便利である．

   Python プログラムは，公式ページhttps://github.com/open-mmlab/mmtracking/blob/master/demo/MMTracking_Tutorial.ipynb のものを書き換えて使用．

   下図では，Python プログラムの実行のため，jupyter qtconsole を使用している．

   import os
   import mmcv
   import tempfile
   from mmtrack.apis import inference_mot, init_model
   
   os.chdir((os.getenv('HOMEPATH') + '\\' + 'mmtracking'))
   vis_config = './configs/vis/masktrack_rcnn/masktrack_rcnn_r50_fpn_12e_youtubevis2019.py'
   vis_checkpoint = './checkpoints/masktrack_rcnn_r50_fpn_12e_youtubevis2019_20211022_194830-6ca6b91e.pth'
   # build the model from a config file and a checkpoint file
   vis_model = init_model(vis_config, vis_checkpoint, device='cuda:0')
   input_video = './demo/demo.mp4'
   imgs = mmcv.VideoReader(input_video)
   prog_bar = mmcv.ProgressBar(len(imgs))
   out_dir = tempfile.TemporaryDirectory()
   out_path = out_dir.name
   for i, img in enumerate(imgs):
       result = inference_mot(vis_model, img, frame_id=i)
       vis_model.show_result(
               img,
               result,
               wait_time=int(1000. / imgs.fps),
               out_file=f'{out_path}/{i:06d}.jpg')
       prog_bar.update()
   output = './demo/vis.mp4'
   print(f'\n making the output video at {output} with a FPS of {imgs.fps}')
   mmcv.frames2video(out_path, output, fps=imgs.fps, fourcc='mp4v')
   out_dir.cleanup()
   

   

   ./demo/vis.mp4 を表示．

   
5. VID (Video Object Detection) を行う Python プログラム

   次の Python プログラムを実行する．mmcv を用いた表示を行うので，Jupyter QtConsole や Jupyter ノートブック (Jupyter Notebook) の利用が便利である．

   Python プログラムは，公式ページhttps://github.com/open-mmlab/mmtracking/blob/master/demo/MMTracking_Tutorial.ipynb のものを書き換えて使用．

   下図では，Python プログラムの実行のため，jupyter qtconsole を使用している．

   import os
   import mmcv
   import tempfile
   from mmtrack.apis import inference_vid, init_model
   
   os.chdir((os.getenv('HOMEPATH') + '\\' + 'mmtracking'))
   vid_config = './configs/vid/selsa/selsa_faster_rcnn_r50_dc5_1x_imagenetvid.py'
   vid_checkpoint = './checkpoints/selsa_faster_rcnn_r50_dc5_1x_imagenetvid_20201227_204835-2f5a4952.pth'
   # build the model from a config file and a checkpoint file
   vid_model = init_model(vid_config, vid_checkpoint, device='cuda:0')
   input_video = './demo/demo.mp4'
   imgs = mmcv.VideoReader(input_video)
   prog_bar = mmcv.ProgressBar(len(imgs))
   out_dir = tempfile.TemporaryDirectory()
   out_path = out_dir.name
   for i, img in enumerate(imgs):
       result = inference_vid(vid_model, img, frame_id=i)
       vid_model.show_result(
               img,
               result,
               wait_time=int(1000. / imgs.fps),
               out_file=f'{out_path}/{i:06d}.jpg')
       prog_bar.update()
   output = './demo/vid.mp4'
   print(f'\n making the output video at {output} with a FPS of {imgs.fps}')
   mmcv.frames2video(out_path, output, fps=imgs.fps, fourcc='mp4v')
   out_dir.cleanup()
   

   

   ./demo/vid.mp4 を表示．

   
6. SOT (Single Object Tracking) を行う Python プログラム

   次の Python プログラムを実行する．mmcv を用いた表示を行うので，Jupyter QtConsole や Jupyter ノートブック (Jupyter Notebook) の利用が便利である．

   Python プログラムは，公式ページhttps://github.com/open-mmlab/mmtracking/blob/master/demo/MMTracking_Tutorial.ipynb のものを書き換えて使用．

   下図では，Python プログラムの実行のため，jupyter qtconsole を使用している．

   import os
   import mmcv
   import tempfile
   from mmtrack.apis import inference_sot, init_model
   
   os.chdir((os.getenv('HOMEPATH') + '\\' + 'mmtracking'))
   sot_config = './configs/sot/siamese_rpn/siamese_rpn_r50_20e_lasot.py'
   sot_checkpoint = './checkpoints/siamese_rpn_r50_1x_lasot_20211203_151612-da4b3c66.pth'
   # build the model from a config file and a checkpoint file
   sot_model = init_model(sot_config, sot_checkpoint, device='cuda:0')
   init_bbox = [371, 411, 450, 646]
   input_video = './demo/demo.mp4'
   imgs = mmcv.VideoReader(input_video)
   prog_bar = mmcv.ProgressBar(len(imgs))
   out_dir = tempfile.TemporaryDirectory()
   out_path = out_dir.name
   for i, img in enumerate(imgs):
       result = inference_sot(sot_model, img, init_bbox, frame_id=i)
       sot_model.show_result(
               img,
               result,
               wait_time=int(1000. / imgs.fps),
               out_file=f'{out_path}/{i:06d}.jpg')
       prog_bar.update()
   output = './demo/sot.mp4'
   print(f'\n making the output video at {output} with a FPS of {imgs.fps}')
   mmcv.frames2video(out_path, output, fps=imgs.fps, fourcc='mp4v')
   out_dir.cleanup()
   

   

   ./demo/sot.mp4 を表示．