了解可视化

本地可视化

本节将介绍如何使用本地可视化器来可视化检测/跟踪结果。

如果你想绘制预测结果，你可以通过在 TrackVisualizationHook 中设置 draw=True 来启用此功能，如下所示。

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

具体来说，TrackVisualizationHook 具有以下参数

• draw: 是否绘制预测结果。如果是 False，则表示不会进行任何绘制。默认为 False。

• interval: 可视化的间隔。默认为 30。

• score_thr: 可视化边界框和掩码的阈值。默认为 0.3。

• show: 是否显示绘制的图像。默认为 False。

• wait_time: 显示的间隔（秒）。默认为 0。

• test_out_dir: 测试过程中保存绘制图像的目录。

• backend_args: 实例化文件客户端的参数。默认为 None。

在 TrackVisualizationHook 中，TrackLocalVisualizer 将被调用以实现 MOT 和 VIS 任务的可视化。我们将在下面介绍详细内容。你可以参考 MMEngine 了解有关 可视化 和 Hook 的更多详细信息。

跟踪可视化

我们使用 TrackLocalVisualizer 类来实现跟踪可视化。你可以像下面这样调用它。

visualizer = dict(type='TrackLocalVisualizer')

它具有以下参数

• name: 实例的名称。默认为 ‘visualizer’。

• image: 要绘制的原始图像。格式应为 RGB。默认为 None。

• vis_backends: 可视化后端配置列表。默认为 None。

• save_dir: 所有存储后端保存文件的目录。如果为 None，则后端存储将不会保存任何数据。

• line_width: 线条的线宽。默认为 3。

• alpha: 边界框或掩码的透明度。默认为 0.8。

以下是一个 DeepSORT 的可视化示例