1.trainig data 的導(dǎo)入
在主文件夾下創(chuàng)建data文件夾，再創(chuàng)建train文件夾，里面存放兩個(gè)文件夾，分別為images和instance。images里面也有好多文件夾，每個(gè)文件夾代表一個(gè)sequence。
然后改config里的：
"KITTI_segtrack_data_dir": "./data/KITTI_MOTS/train/",
點(diǎn)·不能少，點(diǎn)代表當(dāng)前文件夾。
2.pretrained model的導(dǎo)入
在主文件夾下創(chuàng)建pretrained_models文件夾，再創(chuàng)建tensorpack文件夾，再把各種converted文件全部放進(jìn)去。不用單獨(dú)新建文件夾啦。
然后改config里的：
"load_init": "./pretrained_models/tensorpack/converted",
3.training的運(yùn)行命令行
代碼為：
python main.py configs/conv3d_sep2
或者：
nohup python main.py configs/conv3d_sep2&
結(jié)束
4.traning好的參數(shù)的導(dǎo)入
Either first train your own model as described above, or download?our model?and extract the files into models/conv3d_sep2/
放單獨(dú)的文件而不是放文件夾
5.test的數(shù)據(jù)的導(dǎo)入
test的sequence的文件夾可以起名為0028，然后也放入training data中。
6.test的命令行
分為兩段：
第一段是detection：
python main.py configs/conv3d_sep2 "{\"task\":\"forward_tracking\",\"dataset\":\"KITTI_segtrack_feed\",\"load_epoch_no\":5,\"batch_size\":5,\"export_detections\":true,\"do_tracking\":false,\"video_tags_to_load\":[\"0028\"]}"
第二段是track和visualization：
python main.py configs/conv3d_sep2 "{\"build_networks\":false,\"import_detections\":true,\"task\":\"forward_tracking\",\"dataset\":\"KITTI_segtrack_feed\",\"do_tracking\":true,\"visualize_detections\":true,\"visualize_tracks\":true,\"load_epoch_no\":5,\"video_tags_to_load\":[\"0028\"]}"
