了解可视化

本地的可视化

这一节将会展示如何使用本地的工具可视化 detection/tracking 的运行结果。

如果你想要画出预测结果的图像，你可以如下示例，将 TrackVisualizationHook 中的 draw 的参数设置为 draw=True。

default_hooks = dict(visualization=dict(type='TrackVisualizationHook', draw=True))

TrackVisualizationHook 共有如下参数：

• draw： 是否绘制预测结果。如果选择 False，将不会显示图像。该参数默认设置为 False。

• interval： 可视化的间隔。默认值为 30。

• score_thr： 确定是否可视化边界框和掩码的阈值。默认值是 0.3。

• show： 是否展示绘制的图像。默认不显示。

• wait_time： 展示的时间间隔(秒)。默认为 0。

• test_out_dir： 测试过程中绘制图像保存的目录。

• backend_args： 用于实例化文件客户端的参数。默认值为 None 。

在 TrackVisualizationHook 中，将调用 TrackLocalVisualizer 来实现 MOT 和 VIS 任务的可视化。具体细节如下。

你可以通过 MMEngine 获取 Visualization 和 Hook 的更多细节。

Tracking 的可视化

我们使用 TrackLocalVisualizer 这个类以实现跟踪任务可视化。调用方式如下：

visualizer = dict(type='TrackLocalVisualizer')

visualizer 共有如下的参数：

• name： 所选实例的名称。默认值为 ‘visualizer’。

• image： 用于绘制的原始图像。格式需要为 RGB。默认为 None。

• vis_backends： 可视化后端配置列表。默认为 None。

• save_dir： 所有后端存储的保存文件目录。如果为 None，后端将不会保存任何数据。

• line_width： 边框宽度。默认值为 3。

• alpha： 边界框和掩码的透明度。默认为 0.8。

这里提供了一个 DeepSORT 的可视化示例：