企业官网建设流程全解析

• 人工智能
• 计算机视觉
• 深度学习
• 模型评测

本文面向需要在 MMDetection 中配置与调优多目标跟踪（MOT）任务的开发者，系统讲解该仓库以 Python 文件为核心的模块化、可继承配置系统，覆盖跟踪任务完整配置的各字段语义、--cfg-options命令行覆写技巧、configs/_base_组件继承机制、配置文件命名规范，以及跟踪任务特有的TrackDataSample数据结构与UniformRefFrameSample关键帧采样管线，并给出 SORT、DeepSORT、ByteTrack 等真实可运行的配置示例。读完本文，你将能够独立阅读、修改、继承并调试任何 MOT 配置文件。

一、配置系统的总体设计

MMDetection（OpenMMLab Detection Toolbox）采用Python 文件作为配置系统，所有已提供的配置文件都位于仓库的 configs 目录下，例如 configs/sort、configs/deepsort、configs/bytetrack 等。配置系统被设计为模块化 + 继承化：

• 模块化：将数据集、模型、训练策略等拆分为独立文件，可自由组合；
• 继承化：通过_base_字段继承其他配置文件，避免重复编写，极大方便实验对比。

如果你想查看某个配置被解析并合并后的完整最终形态，可以运行：

python tools/misc/print_config.py /PATH/TO/CONFIG

例如：

python tools/misc/print_config.py configs/bytetrack/bytetrack_yolox_x_8xb4-80e_crowdhuman-mot17halftrain_test-mot17halfval.py

该脚本定义于 tools/misc/print_config.py，它会用mmengine.config.Config.fromfile读取配置、展开${key}变量引用（replace_cfg_vals）、并根据环境变量更新data_root（update_data_root），最终打印继承合并后的完整配置。它还支持--save-path将完整配置另存为.py、.json或.yml文件，便于追溯与分享实验记录。

二、完整配置的字段构成

一个完整的跟踪任务配置文件通常包含以下主要字段，理解它们的语义是上手的第一步：

2.1 以 SORT 配置为例解读字段

以 configs/sort/sort_faster-rcnn_r50_fpn_8xb2-4e_mot17halftrain_test-mot17halfval.py 为例，其_base_继承自三个基础文件：

_base_ = [ '../_base_/models/faster-rcnn_r50_fpn.py', '../_base_/datasets/mot_challenge.py', '../_base_/default_runtime.py' ]

随后它把继承来的检测器提取出来改造为跟踪任务的检测器：

detector = _base_.model detector.pop('data_preprocessor') detector.rpn_head.bbox_coder.update(dict(clip_border=False)) detector.roi_head.bbox_head.update(dict(num_classes=1)) # MOT 只有 pedestrian 一类 detector['init_cfg'] = dict( type='Pretrained', checkpoint='https://download.openmmlab.com/mmtracking/mot/' 'faster_rcnn/faster-rcnn_r50_fpn_4e_mot17-half-64ee2ed4.pth') del _base_.model

然后组装最终的跟踪模型，其中tracker.motion使用卡尔曼滤波：

model = dict( type='DeepSORT', data_preprocessor=dict( type='TrackDataPreprocessor', mean=[123.675, 116.28, 103.53], std=[58.395, 57.12, 57.375], bgr_to_rgb=True, rgb_to_bgr=False, pad_size_divisor=32), detector=detector, tracker=dict( type='SORTTracker', motion=dict(type='KalmanFilter', center_only=False), obj_score_thr=0.5, match_iou_thr=0.5, reid=None))

注意model.data_preprocessor使用的是跟踪任务专属的 TrackDataPreprocessor（定义于 track_data_preprocessor.py），它在检测预处理的基础上支持视频帧批量处理；train_dataloader = None、train_cfg = None表示该 SORT 配置只做推理评测、不训练。

2.2 MOT Challenge 数据集与评估器配置

跟踪任务的数据集与评估器基础配置在 configs/base/datasets/mot_challenge.py：

dataset_type = 'MOTChallengeDataset' data_root = 'data/MOT17/' img_scale = (1088, 1088) val_evaluator = dict( type='MOTChallengeMetric', metric=['HOTA', 'CLEAR', 'Identity']) test_evaluator = val_evaluator

MOTChallengeMetric的实现位于 mmdet/evaluation/metrics/mot_challenge_metric.py，其allowed_metrics = ['HOTA', 'CLEAR', 'Identity']，默认前缀为motchallenge-metric，即 MOT Challenge 官方的三组指标。它继承自BaseVideoMetric，能够对视频级预测进行统一评测。

三、通过脚本参数就地修改配置

当使用 tools/train.py 训练或 tools/test_tracking.py 评测跟踪模型时，都可以通过--cfg-options参数就地修改配置而无需改动配置文件本身。跟踪任务的测试脚本还额外提供了--detector、--reid参数，可分别指定检测器与 ReID 模型的 checkpoint。下面分类说明--cfg-options的三种用法。

3.1 更新 dict 链中的配置键

按照原始配置中dict键的层级顺序即可定位目标键。例如，将模型主干中所有 BN 模块设置为训练模式：

python tools/test_tracking.py \ configs/deepsort/deepsort_faster-rcnn_r50_fpn_8xb2-4e_mot17halftrain_test-mot17halfval.py \ --checkpoint /path/to/checkpoint.pth \ --cfg-options model.detector.backbone.norm_eval=False

该命令会沿model -> detector -> backbone -> norm_eval的键路径定位并改写配置值。

3.2 更新配置列表中的关键字

某些配置的dict关键字以列表形式组织，例如测试数据管线test_dataloader.dataset.pipeline是一个列表：

[dict(type='LoadImageFromFile'), ...]

如果想将测试管线中的首元素LoadImageFromFile换成LoadImageFromWebcam（摄像头实况推理），使用下标索引定位：

--cfg-options test_dataloader.dataset.pipeline.0.type=LoadImageFromWebcam

这里.0即列表第一个元素的下标，type是其待修改字段。

3.3 更新列表/元组的值

被修改的目标本身可能是列表或元组，例如修改data_preprocessor的均值：

--cfg-options model.data_preprocessor.mean=[0,0,0]

注意：--cfg-options的取值中不允许出现空格，否则命令行解析会出错；如需复杂结构（如嵌套列表），应使用引号包裹并按 MMEngine 的 DictAction 规则书写。

关于--cfg-options的完整解析规则（包括列表/元组/嵌套值的写法），详见 MMEngine 官方配置文档中关于“命令行覆写”的章节，本仓库的 tools/test_tracking.py 与 tools/misc/print_config.py 均使用DictAction实现相同语义。

四、配置文件结构与继承机制

4.1 三种基础组件类型

configs/base目录下有三类基础组件，可用它们灵活拼装各种跟踪方法（如 SORT、DeepSORT、ByteTrack）：

1. datasets：数据集与数据管线，如 mot_challenge.py；
2. models：模型结构，如 faster-rcnn_r50_fpn.py；
3. default_runtime.py：默认运行时配置，位于 configs/base/default_runtime.py。

由_base_中组件组合而成的配置称为基元配置（primitive config）。工程实践上有两条约定：

• 同一文件夹下建议只保留一个基元配置文件，其余文件均从基元继承；
• 继承层级最大为 3，避免链条过深难以排查。

4.2 继承已有方法 vs 新建方法

如果是在既有方法（如 Faster R-CNN）基础上做修改，应优先继承：先通过_base_指定继承源，再覆写必要字段。例如 ByteTrack 直接继承 YOLOX 的 COCO 配置 configs/yolox/yolox_x_8xb8-300e_coco.py：

_base_ = ['../yolox/yolox_x_8xb8-300e_coco.py']

（见 configs/bytetrack/bytetrack_yolox_x_8xb4-80e_crowdhuman-mot17halftrain_test-mot17halfval.py）。如果新方法与任何现有方法都不共享结构，则在configs下新建一个method_name文件夹，从_base_的三类组件组装。

4.3 忽略基元中的某些字段：_delete_=True

继承时若想丢弃基元配置中的某个字段，可将其值设为_delete_=True。典型场景是 ByteTrack 配置完全重写训练数据管线：

train_dataloader = dict( _delete_=True, # 丢弃基元中的 train_dataloader batch_size=batch_size, sampler=dict(type='DefaultSampler', shuffle=True), ...)

在 configs/bytetrack/bytetrack_yolox_x_8xb4-80e_crowdhuman-mot17halftrain_test-mot17halfval.py 中，train_dataloader、val_dataloader、val_evaluator、default_hooks.checkpoint等多个字段都使用了_delete_=True来彻底替换继承内容。关于_delete_的完整语义（合并规则、嵌套行为），参见 MMEngine 配置文档中的“继承与合并”章节。

五、配置命名风格

MMDetection 采用如下命名规范，贡献者应遵循：

{method}_{module}_{train_cfg}_{train_data}_{test_data}

各段含义如下：

• {method}：方法名，例如sort、deepsort、bytetrack；
• {module}：方法的基本模块，例如faster-rcnn_r50_fpn、yolox_x；
• {train_cfg}：训练配置，通常包含批量大小与迭代次数，例如8xb2-4e（8 卡、batch 2、4 epoch）、8xb4-80e；
• {train_data}：训练数据集，例如mot17halftrain、crowdhuman；
• {test_data}：测试数据集，例如test-mot17halfval。

以实际文件 configs/sort/sort_faster-rcnn_r50_fpn_8xb2-4e_mot17halftrain_test-mot17halfval.py 为例：方法为 SORT，检测器为 Faster R-CNN R50 + FPN，训练配置为 8 卡 × batch 2、4 epoch，在 MOT17 half-train 上训练、在 MOT17 half-val 上测试。该命名规则使文件名本身就是一份可读的“实验说明书”。

六、跟踪数据结构与数据管线深入

MMDetection 跟踪任务以视频为单位组织数据集，并使用TrackDataSample描述数据信息，这是与常规检测（逐帧DetDataSample）最本质的区别。

6.1 TrackDataSample：多帧检测样本的包装器

TrackDataSample的实现位于 mmdet/structures/track_data_sample.py。它本质上可视为多个DetDataSample的包装器：

• 核心属性video_data_samples：一个由DetDataSample组成的列表，列表中的每个元素对应视频中的一帧；通过下标即可取出某一帧的gt_instances、pred_instances等；
• 元信息（metainfo）与检测不同：每个键对应的值是一个列表，列表元素依次对应各帧的信息；
• 额外携带两个关键索引元信息：key_frames_inds（关键帧索引）与ref_frames_inds（参考帧索引），用于剪辑（clip）训练；
• 提供便捷方法get_key_frames()、get_ref_frames()分别取回关键帧与参考帧样本；
• 实现了__len__、__getitem__以及to()、cpu()、cuda()、npu()、detach()、clone()等类张量方法，便于设备迁移与深拷贝。

该文件的 docstring 中附有完整可运行示例：构造两帧DetDataSample（含不同 shape 的gt_instances.bbox），装配成TrackDataSample后打印结构、取关键帧/参考帧、按帧索引取样本，并演示to('cuda')等操作。

6.2 UniformRefFrameSample：关键帧 + 参考帧采样

基于视频组织，MMDetection 提供了UniformRefFrameSample变换（定义于 mmdet/datasets/transforms/frame_sampling.py），用于均匀采样关键帧与参考帧，再配合TransformBroadcaster完成剪辑训练。其构造参数如下：

采样算法（sampling_frames）的关键逻辑：

1. 计算合法帧区间：left = max(0, key_frame_id + frame_range[0])、right = min(key_frame_id + frame_range[1], video_length - 1)；
2. 在合法区间内（默认剔除关键帧后）用random.sample无放回抽取num_ref_imgs个参考帧；若合法帧不足，则将候选帧重复扩展后再采样；
3. 输出sampled_frames_ids（关键帧 + 参考帧，排序）与key_frame_flags（标记各帧是否关键帧）。

在 configs/base/datasets/mot_challenge.py 的训练管线中，它作为第一步被调用：

train_pipeline = [ dict( type='UniformRefFrameSample', num_ref_imgs=1, frame_range=10, filter_key_img=True), dict( type='TransformBroadcaster', share_random_params=True, transforms=[ dict(type='LoadImageFromFile', backend_args=backend_args), dict(type='LoadTrackAnnotations'), dict( type='RandomResize', scale=img_scale, ratio_range=(0.8, 1.2), keep_ratio=True, clip_object_border=False), dict(type='PhotoMetricDistortion') ]), ... dict(type='PackTrackInputs') ]

TransformBroadcaster负责将其中定义的变换广播到采样出的所有帧上；share_random_params=True表示各帧共享同一随机参数（如同一缩放），保证剪辑内帧间空间一致性；第二个TransformBroadcaster（RandomCrop）特意设置share_random_params=False，注释表明其目的是让不同帧裁剪位置不同，增加时序多样性。最后一个TransformBroadcaster的RandomFlip又回到共享参数模式。

6.3 视频级测试与图像级测试两种模式

得益于基于视频的数据组织，整个视频可以直接作为整体输入进行测试，逻辑更简洁直观。测试管线同样使用TransformBroadcaster包装逐帧变换，最后以PackTrackInputs打包（见 mot_challenge.py 的test_pipeline）。

但如果 GPU 显存无法容纳整段视频，MMDetection 也提供基于图像（image-based）的测试方法。两种方式的切换点在dataloader的sampler字段：

# 方式一：image-based（逐帧采样，显存友好） sampler=dict(type='TrackImgSampler') # 方式二：video-based（整段视频输入，更简洁直观） # sampler=dict(type='DefaultSampler', shuffle=False, round_up=False)

TrackImgSampler的实现位于 mmdet/datasets/samplers/track_img_sampler.py。当前仓库的跟踪配置（SORT、DeepSORT、ByteTrack、QDTrack）默认采用 image-based 采样，同时在注释中保留 video-based 的切换方式，configs/qdtrack 的 README 也明确说明支持这两种评测/测试途径。

七、可视化与运行时配置

跟踪任务的可视化链路同样有专属组件：

• visualizer：使用type='TrackLocalVisualizer'，其实现位于 mmdet/visualization/local_visualizer.py，负责在视频帧上绘制检测框、轨迹与 ID；
• default_hooks.visualization：使用type='TrackVisualizationHook'（实现于 mmdet/engine/hooks/visualization_hook.py），draw=False表示训练/验证阶段不实际绘制图像，仅保留可视化能力；
• vis_backends：默认[dict(type='LocalVisBackend')]，将可视化结果保存到本地。

典型配置片段（摘自 configs/deepsort/deepsort_faster-rcnn_r50_fpn_8xb2-4e_mot17halftrain_test-mot17halfval.py）：

default_hooks = dict( logger=dict(type='LoggerHook', interval=1), visualization=dict(type='TrackVisualizationHook', draw=False)) vis_backends = [dict(type='LocalVisBackend')] visualizer = dict( type='TrackLocalVisualizer', vis_backends=vis_backends, name='visualizer') custom_hooks = [ # 每个 epoch 结束时同步 BN 的 running_mean / running_var 等模型缓冲区 dict(type='SyncBuffersHook') ]

ByteTrack 配置中还叠加了YOLOXModeSwitchHook、SyncNormHook、EMAHook（指数滑动平均）等自定义钩子，以及三段式学习率调度（前 1 epoch 二次方 warmup → 余弦退火 → 最后 10 epoch 固定学习率），是学习复杂运行时配置的绝佳范例（configs/bytetrack/bytetrack_yolox_x_8xb4-80e_crowdhuman-mot17halftrain_test-mot17halfval.py）。

八、当前已知限制与后续规划

根据文档的“要做的事”部分，当前仓库在跟踪任务上存在两个已知限制：

1. 部分算法不支持视频级测试：StrongSORT、Mask2Former等算法对 GPU 显存要求较高，暂不支持基于视频的整体输入测试，未来会优化显存占用问题；
2. 不支持混合数据联合训练：暂时无法将基于视频的数据集（如MOT Challenge）与基于图像的数据集（如用于QDTrack的Crowdhuman）进行联合训练，未来会优化此问题。

了解这些限制有助于在选型与实验设计阶段规避踩坑：例如训练含视频语义的任务时，优先选择支持视频级测试且对显存友好的方案。

九、实战速查：从零配置一个跟踪实验

最后给出配置与运行跟踪任务的最小流程：

1. 选择基元：从 configs/base/datasets/mot_challenge.py、configs/base/models/faster-rcnn_r50_fpn.py、configs/base/default_runtime.py 出发；
2. 继承并改造：在configs/下新建方法文件夹，通过_base_继承，按上文 2.1 的方式提取检测器、替换data_preprocessor为TrackDataPreprocessor、装配tracker（含KalmanFilter运动模型）与可选的reid模块；DeepSORT 的 ReID 分支配置可参考 deepsort_faster-rcnn_r50_fpn_8xb2-4e_mot17halftrain_test-mot17halfval.py，其中reid使用mmpretrain.ResNet主干 +LinearReIDHead（分类损失 + Triplet 损失，输出 128 维特征）；
3. 校验配置：用python tools/misc/print_config.py <你的配置>查看合并后的完整配置；
4. 运行：
   • 训练：tools/train.py；
   • 测试/评测：tools/test_tracking.py，可用--detector、--reid分别指定检测与重识别 checkpoint；
   • 临时调参：一律通过--cfg-options完成，保持配置文件干净可复现。

配置是 MMDetection 跟踪任务的“入口语言”。掌握字段语义、继承规则、覆写技巧与视频级数据管线之后，无论是复现 SORT/DeepSORT/ByteTrack 等基线，还是设计新的跟踪算法，你都能在配置层高效完成实验编排。

• 人工智能
• 计算机视觉
• 深度学习
• 模型评测