首先，我是基于 'https://github.com/mikel-brostrom/Yolov5_DeepSort_Pytorch'。
问题一
创建的txt文件是同时应用了yolo算法和deepsort算法的文件吗？
问题2
我训练了检测器 yolo 以将其应用于自定义数据。 deepsort之后还需要训练自定义数据吗？
据我所知，YOLOv5 模型执行对象检测，而 Deepsort 模型通过查看特征图将轨迹与检测相关联。它们是非常不同的模型，因此必须单独训练。我还不能为我的自定义数据训练深度排序跟踪器。当我能够完成培训时，我会更新这个答案。
问题一
Yolov5 执行对象检测。生成的边界框被传递给跟踪对象的深度排序。跟踪是由基于两件事的协会完成的：
结合起来，这两个指标通过服务分配问题的不同方面相互补充。马哈拉诺比斯距离适用于运动不确定性较低的情况，但当存在遮挡和/或未考虑的跳帧时，马哈拉诺比斯距离就毫无用处。因此，想法是使用视觉度量来补充运动度量。为了做到这一点，为每个边界框检测计算外观描述符，并将其与外观描述符的“画廊”进行比较，这对于在长期遮挡或快速位移后恢复身份特别有用。
所以，是的。 Yolo 和 DeepSort 都用于生成 txt 文件。
问题2.
在原始的Deep Sort paper中指出，外观描述符是由在 MARS 上训练的 CNN 生成的，如前所述。 Deep Sort 的一些实现 也为此目的使用 Market1501 数据集。它们都只包含人。他们选择这些数据集是因为他们专注于仅包含人员的 MOT 挑战数据集。
所以，理想情况下，您可以在要跟踪的类别上训练自己的外观描述符。
问题 1 - txt 文件将检测到类并提到它们的坐标，是的，两者都应用了 deepsort 和 yolo
问题 2 - 不，你不需要分别训练 yolo 和 deepsort，它会一步完成