BoxMOT MOT17 评估一条命令出 HOTA 完整结果【免费下载链接】boxmotBoxMOT: Pluggable Python and C SOTA multi-object tracking modules with support for axis-aligned and oriented bounding boxes项目地址: https://gitcode.com/GitHub_Trending/bo/boxmot在 BoxMOT 里跑boxmot eval选中 MOT17 ablation 切片它会按需自动下载数据、准备检测与 ReID 输入最后直接给你一份 HOTA、MOTA、IDF1 报告——你不用自己拼数据目录也不用单独装 TrackEval。它到底解决什么问题BoxMOT 是一个「检测 可插拔跟踪器」的工具箱跟踪器ByteTrack、BoT-SORT 等十几种可以单独拎出来用也可以整条流水线串起来。eval这条命令做的事是把感知结果固定成一次不可变的 build然后让跟踪器回放打分。适合你在论文复现、算法对比前快速拿到基准分数不适合没有标注的直播流场景那种情况用track不打分也不出指标。5 分钟跑通 MOT17 最小评估先装好项目需要 Python 3.10–3.13然后一条命令走完pip install boxmot[yolo] boxmot eval --dataset mot17 --split ablation \ --detector yolox-x-mot17 --reid lmbn-n-duke --tracker botsort数据不用手动下载mot17.yaml里声明了各切片的 HF 资源地址缺哪个切片就自动拉哪个默认落到./datasets/mot下。参数它控制什么--dataset mot17选定 MOT17 数据集对应 boxmot/configs/datasets/mot17.yaml--split ablation评估哪个切片ablation 是官方消融实验常用的子集规模比全量 train 小--detector感知阶段用哪个检测模型出框首次会现场推理并缓存--reid外观特征编码器ByteTrack 这类纯运动跟踪器不需要它BoT-SORT 需要--tracker回放时用的跟踪算法同一 build 换它就能横向对比参数组合和--experiment二选一写法见 docs/modes/eval.md。输出怎么读评估结束在终端面板里直接出数同时写到运行目录的metrics.json/csv指标一句话含义往哪个方向看更好HOTA定位准不准、ID 换不换号揉在一起的总账越高越好0–1MOTA误检 漏检 换 ID 折成的一个准确率越高越好IDF1跟踪轨迹里身份保得住的比例像 F1 但只看 ID越高越好经验上 MOTA 高而 IDF1 低多半是 ID 频繁断线HOTA 对两者都敏感拿它当总分最稳。这些坑先知道--dataset和--experiment只能二选一直接拼组件参数时别再加--experiment否则报错。ablation 切片首次运行会自动从 Hugging Face 下载断网环境会卡住建议先确认能访问已有数据则直接复用不再下载。同一 build 换 ReID 模型不用重跑检测但换检测器、换切片、换几何类型都会产生新 build磁盘占用别忽略。文档里的实测提醒加了 EdgeTAM 掩码引导后短序列上 HOTA 反而略降61.36 → 60.21这类增强必须在你自己的工作集上验证具体数值以官方文档为准。一条命令打通「下载数据 → 检测 → 跟踪回放 → 出分」的 MOT17 评估闭环。想换序列数、加 Kalman 校准或对比 TrackEval继续看 docs/modes/eval.md。【免费下载链接】boxmotBoxMOT: Pluggable Python and C SOTA multi-object tracking modules with support for axis-aligned and oriented bounding boxes项目地址: https://gitcode.com/GitHub_Trending/bo/boxmot创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考