最近在学习的一个网络的一些笔记

1.trainig data 的导入

在主文件夹下创建data文件夹，再创建train文件夹，里面存放两个文件夹，分别为images和instance。images里面也有好多文件夹，每个文件夹代表一个sequence。

然后改config里的：

"KITTI_segtrack_data_dir": "./data/KITTI_MOTS/train/",

点·不能少，点代表当前文件夹。

2.pretrained model的导入

在主文件夹下创建pretrained_models文件夹，再创建tensorpack文件夹，再把各种converted文件全部放进去。不用单独新建文件夹啦。

然后改config里的：

"load_init": "./pretrained_models/tensorpack/converted",

3.training的运行命令行

代码为：

python main.py configs/conv3d_sep2

或者：

nohup python main.py configs/conv3d_sep2&

结束

4.traning好的参数的导入

Either first train your own model as described above, or download our model and extract the files into models/conv3d_sep2/

放单独的文件而不是放文件夹

5.test的数据的导入

test的sequence的文件夹可以起名为0028，然后也放入training data中。

6.test的命令行

分为两段：

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\"]}"

7.数据的annotation