deepsort 挺经典的一篇论文了。

这里我使用的是github上的pytorch版本，链接在这里。

run demos阶段。

这里我们借鉴了github上这位同学的代码，用来实现MOT20图片到视频的转化。

这里首先下载yolov3的权重和deepsort的权重。

Download YOLOv3 parameters

cd detector/YOLOv3/weight/
wget https://pjreddie.com/media/files/yolov3.weights
wget https://pjreddie.com/media/files/yolov3-tiny.weights
cd ../../../

Download deepsort parameters ckpt.t7

cd deep_sort/deep/checkpoint
# download ckpt.t7 from
https://drive.google.com/drive/folders/1xhG0kRH1EX5B9_Iz8gQJb7UNnn_riXi6 to this folder
cd ../../../

  在这里有一个让我疑惑的点是：他这个是基于pytorch的代码，可是pjreddie的代码应该是基于C的，我直接运行却没有任何问题，当我尝试使用torch.load 查看yolov3.weight的时候，却报错了。_pickle.UnpicklingError: invalid load key, '\x00'

Traceback (most recent call last):
  File "/home/wlj/Desktop/VOT&S/deep_sort_pytorch-master/demo.py", line 9, in <module>
    checkpoint0 = torch.load('/home/wlj/Desktop/VOT&S/deep_sort_pytorch-master/detector/YOLOv3/weight/yolov3.weights')
  File "/home/wlj/anaconda3/lib/python3.7/site-packages/torch/serialization.py", line 386, in load
    return _load(f, map_location, pickle_module, **pickle_load_args)
  File "/home/wlj/anaconda3/lib/python3.7/site-packages/torch/serialization.py", line 563, in _load
    magic_number = pickle_module.load(f, **pickle_load_args)
_pickle.UnpicklingError: invalid load key, '\x00'.

  这里参考这篇博客找到了github上yolov4和v5作者的讨论和代码，yolov5的作者提供了.pt和.weight的双向转换代码

  晕晕乎乎degug了半小时，我收获了什么呢？首先，我知道了打开yolov3.weight 文件的方式：

    with open('yolov3.weight', 'rb') as f:
        # Read Header https://github.com/AlexeyAB/darknet/issues/2914#issuecomment-496675346
        self.version = np.fromfile(f, dtype=np.int32, count=3)  # (int32) version info: major, minor, revision
        self.seen = np.fromfile(f, dtype=np.int64, count=1)  # (int64) number of images seen during training
        weights = np.fromfile(f, dtype=np.float32)  # the rest are weights

并且文件的第一行代表训练的图片数，第三行代表的是版本信息。还有一个是生成的.pt文件，它的内部字典都是什么呢？

chkpt = {
    'epoch': -1,
                 'best_fitness': None,
                 'training_results': None,
                 'model': model.state_dict(),
                 'optimizer': None} 

  可以看到，yolov5作者记录了五个信息在里面，我们需要的其实就一个model。
然后对于整体代码的转换，现在没有必要所有都懂，我们只需要知道这样做能够实现转换就行了。
那么问题来了，对于我找的这个第三方pytorch版本的deepsort，他没有这个转化是怎么实现模型权重的加载的呢？

这里首先找到了加载yolov3权重的文件在detector/YOLOv3/detector.py中，加载deepsort模型权重的文件在deep_sort/deep/feature_extractor.py中，deepsort文件的格式是pytorch的标准格式，这里就不在赘述。

15:21 debug目的：尝试替代掉原始的加载权重的方式，使用.pt加载的方式。（测试阶段）

1. 修改yolov3_deepsort.py中的检测器定义

 # self.detector = build_detector(cfg, use_cuda=use_cuda) 原始的
 
 """
 这里我们导入几个包,这是我自己工程下的文件，不具有参考性
"""
from models_ios import Darknet
self.detector = Darknet(cfg='configs/yolov3.cfg', namesfile='detector/YOLOv3/cfg/coco.names')
self.detector.load_state_dict(torch.load('detector/YOLOv3/weight/yolov3.pt')['model'])

但是紧接着就遇到的问题是：

Traceback (most recent call last):
  File "/home/wlj/Desktop/VOT&S/deep_sort_pytorch-master/yolov3_deepsort.py", line 157, in <module>
    vdo_trk.run()
  File "/home/wlj/Desktop/VOT&S/deep_sort_pytorch-master/yolov3_deepsort.py", line 90, in run
    bbox_xywh, cls_conf, cls_ids = self.detector(im)
RuntimeError: Expected 4-dimensional input for 4-dimensional weight 32 3 3, but got 3-dimensional input of size [1080, 1920, 3] instead

  这位同学写的检测器和官方写的检测器好像有些不匹配，但是这位同学是可以成功加载原始的yolov3.weight，那么就又要进一步看看这位同学和alxexy这个yolov3的内部网络层到底有什么不同了。
well，今天应该是跑不出来了，要改的地方有点多，那么debug一下午有什么收获呢？

1. 我们知道了测试的流程，在主代码中，我们现在是卡在了检测器的构建之中，self.detector = build_detector(cfg, use_cuda=use_cuda) 我一开始就是想让模型加载我转化后的.pt模型，现在是成功加载上了，但是当我们把数据传到检测器中，对数据的处理就开始报错了，这是因为这位同学的检测代码是基于它的model命名来写的，我们的模型不适用，所以，开始想着换一种思路。
2. 经过这一个下午的debug，我发现其实这位同学的检测器的实现主要依靠两个文件，分别是detector/YOLOv3/detector.py 和 detector/YOLOv3/darknet.py，在darknet.py中实现了对detector/YOLOv3/cfg/yolo_v3.cfg 的model化，然后在detector中实现了对yolov3.weight的模型加载，那么其实基于这个，我对yolo的代码实现应该有了一个大致的理解了，那么我其实可以基于此，改写成yolov4，那么它的测试过程应该就会顺利进行了。