diff --git a/专业领域/ByteTrack/ByteTrack训练评估.md b/专业领域/ByteTrack/ByteTrack训练评估.md
new file mode 100755
index 0000000..cfbbef1
--- /dev/null
+++ b/专业领域/ByteTrack/ByteTrack训练评估.md
@@ -0,0 +1,272 @@
+# ByteTrack 训练与评估
+
+> 完整训练测试流程
+
+---
+
+## 1. 数据准备
+
+### 转换数据集格式
+
+```bash
+# 转换 MOT17
+python3 tools/convert_mot17_to_coco.py
+
+# 转换 MOT20
+python3 tools/convert_mot20_to_coco.py
+
+# 转换 CrowdHuman
+python3 tools/convert_crowdhuman_to_coco.py
+
+# 转换 Cityperson
+python3 tools/convert_cityperson_to_coco.py
+
+# 转换 ETHZ
+python3 tools/convert_ethz_to_coco.py
+```
+
+### 混合训练数据
+
+```bash
+# 基础混合
+python3 tools/mix_data_ablation.py
+
+# 生成测试数据
+python3 tools/mix_data_test_mot17.py
+python3 tools/mix_data_test_mot20.py
+```
+
+---
+
+## 2. 模型训练
+
+### 消融实验
+
+训练数据：CrowdHuman + MOT17 Half Train
+
+```bash
+python3 tools/train.py \
+  -f exps/example/mot/yolox_x_ablation.py \
+  -d 8 -b 48 --fp16 -o \
+  -c pretrained/yolox_x.pth
+```
+
+### MOT17 完整训练
+
+训练数据：CrowdHuman + MOT17 + Cityperson + ETHZ
+
+```bash
+python3 tools/train.py \
+  -f exps/example/mot/yolox_x_mix_det.py \
+  -d 8 -b 48 --fp16 -o \
+  -c pretrained/yolox_x.pth
+```
+
+### MOT20 训练
+
+训练数据：CrowdHuman + MOT20
+
+> ⚠️ **注意**：MOT20 需要裁剪边界框
+
+在 `data_augment.py` 第 134-135 行添加裁剪操作：
+```python
+# clip border
+x1 = max(0, x1)
+y1 = max(0, y1)
+```
+
+```bash
+python3 tools/train.py \
+  -f exps/example/mot/yolox_x_mix_mot20_ch.py \
+  -d 8 -b 48 --fp16 -o \
+  -c pretrained/yolox_x.pth
+```
+
+---
+
+## 3. 模型评估
+
+### MOT17 Half Val
+
+```bash
+# ByteTrack
+python3 tools/track.py \
+  -f exps/example/mot/yolox_x_ablation.py \
+  -c pretrained/bytetrack_ablation.pth.tar \
+  -b 1 -d 1 --fp16 --fuse
+
+# 其他 Tracker 对比
+python3 tools/track_sort.py -f exps/example/mot/yolox_x_ablation.py \
+  -c pretrained/bytetrack_ablation.pth.tar -b 1 -d 1 --fp16 --fuse
+
+python3 tools/track_deepsort.py -f exps/example/mot/yolox_x_ablation.py \
+  -c pretrained/bytetrack_ablation.pth.tar -b 1 -d 1 --fp16 --fuse
+
+python3 tools/track_motdt.py -f exps/example/mot/yolox_x_ablation.py \
+  -c pretrained/bytetrack_ablation.pth.tar -b 1 -d 1 --fp16 --fuse
+```
+
+### MOT17 测试集
+
+```bash
+# 追踪
+python3 tools/track.py \
+  -f exps/example/mot/yolox_x_mix_det.py \
+  -c pretrained/bytetrack_x_mot17.pth.tar \
+  -b 1 -d 1 --fp16 --fuse
+
+# 轨迹插值（提升性能）
+python3 tools/interpolation.py
+```
+
+提交 txt 文件到 [MOTChallenge](https://motchallenge.net/) 可获得 **79+ MOTA**。
+
+### MOT20 测试集
+
+```bash
+# 编辑输入尺寸 (yolox_x_mix_mot20_ch.py)
+# MOT20-04, MOT20-07: 1600 x 896
+# MOT20-06, MOT20-08: 1920 x 736
+
+# 追踪
+python3 tools/track.py \
+  -f exps/example/mot/yolox_x_mix_mot20_ch.py \
+  -c pretrained/bytetrack_x_mot20.pth.tar \
+  -b 1 -d 1 --fp16 --fuse \
+  --match_thresh 0.7 --mot20
+
+# 插值
+python3 tools/interpolation.py
+```
+
+---
+
+## 4. 使用自己的检测器
+
+### 传入检测结果
+
+```python
+from yolox.tracker.byte_tracker import BYTETracker
+
+# 初始化
+args = # 你的参数
+tracker = BYTETracker(args)
+
+# 逐帧处理
+for image in images:
+    # 你的检测器
+    dets = your_detector(image)  # 格式: (N, 5) [x1, y1, x2, y2, score]
+    
+    # 追踪更新
+    online_targets = tracker.update(dets, info_imgs, img_size)
+    
+    # 获取结果
+    for target in online_targets:
+        tlwh = target.tlwh  # 轨迹框
+        track_id = target.track_id  # ID
+        score = target.score  # 置信度
+```
+
+### 参考代码
+
+详见 `yolox/evaluators/mot_evaluator.py`
+
+---
+
+## 5. 视频演示
+
+```bash
+# 视频追踪
+python3 tools/demo_track.py video \
+  -f exps/example/mot/yolox_x_mix_det.py \
+  -c pretrained/bytetrack_x_mot17.pth.tar \
+  --fp16 --fuse --save_result
+```
+
+结果保存在 `YOLOX_outputs/`
+
+---
+
+## 6. 参数调优
+
+### 关键参数
+
+| 参数 | 说明 | 调优建议 |
+|------|------|----------|
+| `track_thresh` | 检测阈值 | 0.5-0.6 效果较好 |
+| `match_thresh` | IoU 匹配阈值 | 0.8 常用 |
+| `match_thresh` (MOT20) | MOT20 阈值 | 0.7 |
+| `track_buffer` | 轨迹缓冲帧数 | 30 |
+| `frame_rate` | 目标帧率 | 30 |
+
+### MOT17 测试集优化
+
+获得 **80+ MOTA** 的技巧：
+1. 仔细调整每个序列的测试图像尺寸
+2. 调整每个序列的高分检测阈值
+3. 使用轨迹插值
+
+---
+
+## 7. 自定义数据集
+
+### 1. 准备数据（COCO 格式）
+
+```bash
+# 转换为 COCO 格式
+python3 tools/convert_mot17_to_coco.py
+```
+
+### 2. 创建 Exp 文件
+
+参考 `exps/example/mot/yolox_x_ch.py`
+
+### 3. 修改配置
+
+```python
+class MyExp(YOLOXExp):
+    def get_data_loader(self):
+        # 返回训练数据加载器
+        ...
+    
+    def get_eval_loader(self):
+        # 返回评估数据加载器
+        ...
+```
+
+### 4. 训练
+
+```bash
+python3 tools/train.py \
+  -f exps/example/mot/my_exp.py \
+  -d 8 -b 48 --fp16 -o \
+  -c pretrained/yolox_x.pth
+```
+
+---
+
+## 8. 部署推理
+
+### ONNX 导出
+
+详见 `deploy/ONNXRuntime/`
+
+### TensorRT 部署
+
+```bash
+# Python
+deploy/TensorRT/python/
+
+# C++
+deploy/TensorRT/cpp/
+```
+
+### DeepStream
+
+```bash
+deploy/DeepStream/
+```
+
+---
+
+> 参考：[ByteTrack GitHub](https://github.com/FoundationVision/ByteTrack)