如何使用Physical AI Smart Spaces：从数据集下载到评估的完整指南

如何使用Physical AI Smart Spaces从数据集下载到评估的完整指南【免费下载链接】PhysicalAI-SmartSpaces项目地址: https://ai.gitcode.com/hf_mirrors/nvidia/PhysicalAI-SmartSpacesPhysical AI Smart Spaces是一个专注于多目标多摄像头MTMC跟踪的数据集项目提供了2024和2025两个版本的跟踪数据及配套评估工具。本指南将帮助新手用户快速掌握从环境搭建到结果评估的完整流程轻松上手这个强大的物理空间智能分析工具。一、项目结构概览项目主要包含两个核心版本MTMC_Tracking_2024包含eval评估代码、test测试集、train训练集和val验证集MTMC_Tracking_2025更新版数据集同样包含eval评估模块和对应的train/val/test数据划分每个版本的评估模块都提供了完整的评估代码和第三方许可证说明方便用户合规使用。二、快速开始步骤2.1 克隆项目仓库首先需要将项目代码克隆到本地git clone https://gitcode.com/hf_mirrors/nvidia/PhysicalAI-SmartSpaces cd PhysicalAI-SmartSpaces2.2 环境配置进入对应版本的评估目录进行环境 setup对于2025版本cd MTMC_Tracking_2025/eval对于2024版本cd MTMC_Tracking_2024/eval虽然具体安装命令未在文档中明确给出但通常此类项目可通过conda创建环境或pip安装依赖# 建议使用conda创建虚拟环境 conda create -n mtmc_tracking python3.8 conda activate mtmc_tracking # 安装所需依赖 pip install -r requirements.txt三、数据集使用指南3.1 数据集结构两个版本的数据集都采用类似的结构组织train/训练场景数据包含多个场景如scene_001到scene_040val/验证场景数据test/测试场景数据每个场景目录下包含多个摄像头采集的数据通常包括视频文件.mp4和对应的元数据文件.json。3.2 数据格式说明2025版本的数据集引入了新的数据格式每个场景提供校准文件calibration_2025_format.json地面真值ground_truth_2025_format.json多个摄像头的视频流和对应的数据文件四、评估流程4.1 准备预测文件评估需要准备符合格式要求的预测文件。根据文档说明预测文件格式应与地面真值文件保持一致可参考样本数据中的格式样本预测文件MTMC_Tracking_2025/eval/sample_data/pred.txt地面真值文件MTMC_Tracking_2025/eval/sample_data/ground_truth_test_full.txt4.2 运行评估代码进入评估目录后可通过以下命令运行评估主程序python main.py具体参数可根据需求调整建议参考各版本评估目录下的README.md文件获取详细使用说明2025版本评估说明MTMC_Tracking_2025/eval/README.md2024版本评估说明MTMC_Tracking_2024/eval/README.md五、第三方依赖说明项目使用了部分第三方库详细的许可证信息可在以下文件中查看MTMC_Tracking_2025/eval/3rdParty_Licenses.mdMTMC_Tracking_2024/eval/3rdParty_Licenses.md使用时请确保遵守相应的开源协议要求。六、总结Physical AI Smart Spaces提供了高质量的多摄像头跟踪数据集和评估工具通过本指南的步骤您可以快速搭建环境并开始使用数据集。无论是进行算法研究还是应用开发这个项目都能为您提供可靠的数据支持和评估基准。建议定期查看项目更新以获取最新的数据集和功能改进。【免费下载链接】PhysicalAI-SmartSpaces项目地址: https://ai.gitcode.com/hf_mirrors/nvidia/PhysicalAI-SmartSpaces创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考