目标跟踪
文章平均质量分 82
主要关注单目标跟踪
laizi_laizi
梦想成为工程师,博士在读,可有偿指导本科/硕士毕设,代码辅导debug等
展开
-
CVPR2023 Autoregressive Visual Tracking 理解记录
本文细致的讲解了ARTrack的原理附代码原创 2023-11-09 11:51:41 · 2772 阅读 · 9 评论 -
davis2016评估教程
DAVIS 2016是VOS任务中的一个经典的benchmark,但是一些VOT的算法有时候也可以预测mask,所以也会在上面测一测性能,本次就随手记录一下自己评测的过程。原创 2023-02-24 14:27:41 · 1746 阅读 · 6 评论 -
3090(30系显卡)编译prpooling出错的解决办法
写在最前面: 等等党继续等,我要看空中飞人。现在30系显卡可能因为降价已经开始走入炼丹师的炉中,各位tracker也会频繁的使用pytracking框架中的ATOM和DIMP作为baseline,或者跑别人的代码里面用到了PRPooling,亦或者自己的代码里面想使用PRPooling,那可能会遇到编译的问题(PRPooling通常在被使用的时候都是在线编译的),如果没有编译问题的话那就恭喜了,下面就不用看了。比如下面的博客都有问题:编译pytorch版本的PreciseRoIPoolingpyt原创 2022-04-27 22:54:46 · 2591 阅读 · 7 评论 -
OTB100/2015 matlab toolkit的使用
其实很早之前就已经写过关于otb这个数据集测试的博客: OTB官方评估代码python版本–评估自己跟踪器,对比其他跟踪器, 不过当时比较紧急没有时间使用matlab版本的工具箱来实现画图,虽然那个python版本的也能够做到,好多人也成功使用,但是还是很多人想用matlab画图,所以我抽空把这部分写一下,力争仔细一步步看完小白也能够成功测试tracker的结果。好,废话不多说。官网的工具箱一般都是在这里下载:但是里面的代码部分有点小bug,而且真值文件只有51个,不能测试OTB2015或者叫做O原创 2022-03-30 14:51:51 · 4929 阅读 · 15 评论 -
MOT数据集概述及下载(持续更新)
MOT系列:现在用的比较多的是MOT17和MOT20:MOT17: paper, projectMOT20: paper, projectKITTI: paper, projectBDD100K: paper, projectGMOT40: paper, projectTAO: paper, projectDanceTrack: paper, project原创 2022-03-15 10:00:17 · 3723 阅读 · 0 评论 -
VOT数据集自动/手动下载
其实当我们使用vot-toolokit-python的时候,在初始化workspace时会自动下载对应stack的数据集,比如在vot/stack下会有这么几种可以选择:但是现在我们想抽出来自己下载,因为可能网不好,不能一口气下完,所以抽出来能够可控性更大,所以我把抽出来的直接可以运行的代码放在下面,大家可以试用一下,有问题的可以在评论区反馈。download_vot_dataset.py自动下载import osfrom tqdm import tqdmimport siximport cs原创 2022-01-14 15:15:10 · 6565 阅读 · 12 评论 -
论文DepthTrack: Unveiling the Power of RGBD Tracking阅读及代码讲解
最近终于有了一篇的顶会像样的RGBD tracking的论文了:ICCV2021: DepthTrack: Unveiling the Power of RGBD TrackingGithub: https://github.com/xiaozai/DeT数据集简介这边看完就随手记录一下关键的部分:主要是创建了个大规模的RGBD tracking benchmark: DepthTrack (有数据集之后才能促进算法的研究),当然随之也搞了个baseline tracker—DeT, 这也是现在搞d原创 2021-12-21 14:43:46 · 4548 阅读 · 13 评论 -
tracking里面几种常见图的画法
一、气泡图第一种会放success和speed的图,然后圆圈的大小是结合两者综合后的性能,俗称“气泡图”先放一下自己模仿ocean画的一幅图:以下是画的代码(直接运行就能出来上面这幅图):import numpy as npimport matplotlib.pyplot as pltimport matplotlib.axes._axes as axesimport matplotlib.figure as figurefrom matplotlib.backends.backend_p原创 2021-10-24 22:36:45 · 6447 阅读 · 46 评论 -
目标跟踪中cross correlation的总结与实现
最近几篇目标跟踪文章都出现了对cross correlation方面的改进, 是因为发明新tracker的趋势已经过去了吗?其实我之前也思考过,一直直接拿来用的depth-wise correlation是否是最优的融合模板特征和搜索特征的操作,有没有或能不能找出比这个更有效的融合方式,但是一直停留在思考层面,但是就有好几篇工作都涉及到了这一点:总共应该有以下几篇:nameconferencepapernaive correlationECCV2016WFully-Convol原创 2021-08-27 22:58:18 · 5899 阅读 · 19 评论 -
Discriminative and Robust Online Learning for Siamese Visual Tracking(DROL AAAI2020)
其实这是一篇相对来说比较早的文章了,现在来看可能不是那么好,但是毕竟是2019年完成的嘛论文:Discriminative and Robust Online Learning for Siamese Visual Tracking【raw result打包】代码:https://github.com/shallowtoil/DROL本文的内容由以下几个部分组成:1、论文解决问题siamese-based tacker的固有的问题,主要包括两方面:对distractors缺乏discrimin原创 2021-06-24 12:42:22 · 1358 阅读 · 13 评论 -
vot-toolkit-python测试DiMP50在VOT2018上的表现
之前写过一篇博客:用pysot里面的vot测试功能测试DIMP50在vot2018上的表现,当时也是可以测试成功的。今天用vot-toolkit-python,也就是vot2020新出的python版本的toolkit来测试一下DiMP50在VOT2018上的表现,在此记录备份一下。注:在看本篇教程之前起码已经跑通过DiMP50,所以跑通DiMP50的过程不再赘述1. 配置环境因为之前在跑pytracking的时候已经配置过一个anaconda的base环境(里面有些包的版本还很严格),而vot-t原创 2020-12-01 19:55:01 · 4123 阅读 · 54 评论 -
目标跟踪解析:ATOM:Accurate Tracking by Overlap Maximization
关于siamese系列的跟踪网络,之前已经看得比较详细了,无论是anchor-free的还是anchor-based。然而,一直想完成一下Martin Danelljan的基于判别力的两个跟踪器的分析,今天终于有时间记录一下ATOM(CVPR2019)了,之后有时间再来写DIMP(ICCV2019)。论文:ATOM: Accurate Tracking by Overlap Maximization代码:https://github.com/visionml/pytracking先看一下结果这里先放原创 2020-11-29 19:42:21 · 3838 阅读 · 14 评论 -
目标跟踪DiMP: Learning Discriminative Model Prediction for Tracking
DiMP: Learning Discriminative Model Prediction for TrackingResultsVOT2018LaSOTTrackingNet(test)GOT10k(test)Nfs/OTB/UAV123ArchitectureOffiline trainingOnline tracking论文:DIMP: Learning Discriminative Model Prediction for Tracking代码:https://github.com/visio原创 2020-11-29 19:42:08 · 8236 阅读 · 5 评论 -
用pysot里面的vot测试功能测试DIMP50在vot2018上的表现
用pysot里面的vot测试功能测试DIMP50在vot2018上的表现一、将实验添加到myexperiments.py中二、稍微调整一下run_experiment.py的运行接口三、修改votdataset.py中的gt格式四、修改tracker.py文件需要把复制到五、修改running.py中保存结果的地方六、这样就可以运行了此前花了两天时间,准备用vot-toolkit(matlab)去测一下DIMP50 baseline在VOT2018上的表现的,结果发现dimp50 fail之后总是不能初始原创 2020-10-31 14:27:59 · 3384 阅读 · 8 评论 -
DTB70 toolkit的使用
DTB70 toolkit的官网是: https://github.com/flyers/drone-tracking在使用过程中还是有几点需要修改的:1、去DTB70_toolkit/experiments/util/configTrackers.m里修改trackers,可以修改 为如下:trackersClassic = { struct('name','ATOM','namePaper','ATOM') struct('name','DIMP50原创 2020-10-20 16:16:55 · 1321 阅读 · 5 评论 -
关于SiamRPN代码的一些要点
关于SiamRPN代码的一些要点1、Architecture2、generate anchors3、labelspaper:High Performance Visual Tracking with Siamese Region Proposal Networkcode:https://github.com/STVIR/pysot【另一个包括训练测试的复现代码】SiamRPN是siamese系列的跟踪经典之作,又是最早的anchor-based方法,所以当你看懂SiamRPN一些操作之后,对后续的D原创 2020-08-29 00:27:38 · 6536 阅读 · 22 评论 -
关于SiamKPN代码的一些要点
关于SiamKPN代码的一些要点一、模型二、label generationheatmap:offsets:objsize:三、LOSSheatmap_lossoffsets_lossobjsize_loss四、Tracking五、Coordinate remapping summaryPS这是出自快手公司的一篇单目标跟踪论文,是最早的anchor-free tracking scheme(是的,应该比SiamFC++还早):paper: Siamese Keypoint Prediction Netw原创 2020-08-11 15:55:45 · 1540 阅读 · 2 评论 -
opencv-python将图片序列转成视频
在跟踪结果以图片形式保存后,有时为了演示会希望将图片序列转换成视频,甚至作成动图插入到博客中,所以这里记录一下自己用的脚本,方便后续取用:我的cv2版本为4.1.0img2video.pyimport osimport cv2# image pathim_dir = '/home/lsm/PycharmProjects/py-MDNet/results/Biker/figs'# output video pathvideo_dir = '/home/lsm/PycharmProjects/原创 2020-07-29 14:36:41 · 4867 阅读 · 3 评论 -
py-MDNet详解附代码(二):online tracking
关于训练部分,可以看上一篇博客:py-MDNet代码提炼(一):train这篇主要讲解tracking的部分,内容会比训练阶段要复杂一些。如果不看论文的在线跟踪部分,或者只看了上一篇博客,那不禁就会有很多问题,下面以问答的形式点出几个要点:Overall procedure其实tracking阶段主要就是要做上图绿色的四点,整体的过程就如论文中描写的:输入:训练好的网络模型和第一帧目标状态输出:后续帧的预测的目标状态下面就按照整个流程来说明这四点:Initial test frame原创 2020-07-25 15:56:27 · 1538 阅读 · 4 评论 -
py-MDNet详解附代码(一):train
都0202年了,为啥还要看MDNet这么早的算法呢?原因如下:这篇论文里面有比较经典的在线更新的实现,可以作为以后理解此类手法的参考作为一个本质上是分类的跟踪器,取得了VOT2015的winner,之后的VOT2018-LT的winner–MBMD也是借鉴的MDNet论文链接:Learning Multi-Domain Convolutional Neural Networks for Visual Tracking【国内镜像】代码:https://github.com/hyeonseobnam原创 2020-07-25 15:56:19 · 2758 阅读 · 0 评论 -
关于SiamFC++代码的几个要点
Siamfc++是较早发表的anchor-free的单目标跟踪器,可说是比较经典的,所以有精读的必要,就像siamfc一样。下面就几点代码中比较重要的部分写一下,以便后续回想。1、data pair的生成和增强原创 2020-07-09 22:12:03 · 8426 阅读 · 36 评论 -
近期的anchor free tracking的文章汇总
近期的anchor free tracking的文章汇总AAAI2020CVPR2020ECCV2020ArxivOthers(IEEE)ReferencesAAAI2020SiamFC++: “SiamFC++: Towards Robust and Accurate Visual Tracking with Target Estimation Guidelines”【paper】【code】CVPR2020SiamBAN:“Siamese Box Adaptive Network for原创 2020-07-08 00:04:05 · 1319 阅读 · 2 评论 -
OTB官方评估代码python版本--评估自己跟踪器,对比其他跟踪器
OTB官方评估代码python版本--评估自己跟踪器,对比其他跟踪器代码环境准备环境安装数据集准备跑自己跟踪器结果格式准备生成json文件并画图BonusOTB数据集是目标跟踪领域里面一个基准评估数据集,很多论文都会使用这个做实验,然后放上自己的实验结果,所以我也就花了几天时间仔细研究了一下,发现大家在使用OTB toolkit过程中都会有这样的问题:我有自己的跟踪器(特别现在python编...原创 2020-05-03 23:37:18 · 10413 阅读 · 130 评论 -
常见目标跟踪数据集下载链接整理(更新中)
搜罗一下,感觉没人把常见的目标跟踪数据集下载链接汇总整理的,这里就整理一下,因为有些网址很难打开,这里也是想方便之后大家获取,来看看吧!我就从大佬图中来找几个吧!因为不是全接触过,有些链接不是很好,有小伙伴有更好的建议,欢迎评论 !请大家遵守相关的license,数据集仅供教育和研究使用OTBVisual Tracker Benchmar:http://cvlab.hanyang.ac...原创 2020-04-11 18:35:46 · 30642 阅读 · 84 评论 -
siamfc-pytorch代码讲解(三):demo&track
我之前的两篇博客:siamfc-pytorch代码讲解(一):backbone&headsiamfc-pytorch代码讲解(二):train&siamfc代码来自:https://github.com/huanglianghua/siamfc-pytorch今天主要看一下demo的部分,也就是涉及到测试tracking的部分。直接上代码:一、demo.pyfro...原创 2020-03-03 14:20:59 · 13574 阅读 · 84 评论 -
siamfc-pytorch代码讲解(二):train&siamfc
siamfc-pytorch代码讲解(二):train&siamfc一、train.py二、siamfc.py2.1 SiamFCTransforms2.2 Pair2.3 train_step下一篇这是第二篇的siamfc-pytorch代码讲解,主要顺着程序流讲解代码,上一篇讲解在这里:siamfc-pytorch代码讲解(一):backbone&headshow me ...原创 2020-02-24 17:27:36 · 16221 阅读 · 96 评论 -
siamfc-pytorch代码讲解(一):backbone&head
最近才真正开始研究目标跟踪领域(好吧,是真的慢)。就先看了一篇论文:Fully-Convolutional Siamese Networks for Object Tracking【ECCV2016 workshop】又因为学的是PyTorch框架,所以找了一份比较clean的代码,还是pytorch1.0的:https://github.com/huanglianghua/siamfc-p...原创 2020-02-22 00:25:23 · 13670 阅读 · 34 评论