pytracking复现过程

最新推荐文章于 2024-08-08 08:10:06 发布
最新推荐文章于 2024-08-08 08:10:06 发布
阅读量432 收藏 1
点赞数
文章标签： 深度学习 linux 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/pingerapril/article/details/128425270
版权

参考博主文章

pytracking系列跟踪算法的配置（LWL, KYS, PrDiMP, DiMP and ATOM Trackers）（Ubuntu版本）_博博有个大大大的Dream的博客-CSDN博客_pytracking

不同的是，遇到RuntimeError: Error building extension '_prroi_pooling'报错，没有重新下载torch

因为本来有cuda10.2版本，在'usr/local/'有cuda,cuda-10.2，cuda-11.2，因此改了配置文件bashrc

Summary on deep learning framework --- PyTorch - AHU-WangXiao - 博客园

参考上面链接解决的。

终端输入：export CUDA_HOME='/usr/local/cuda'

另一个报错：AttributeError: module ‘torch‘ has no attribute ‘irfft

【Pytorch】torch_dct中解决AttributeError: module ‘torch‘ has no attribute ‘irfft‘_宇宙爆肝锦标赛冠军的博客-CSDN博客

旧版pytorch中torch.rfft和irfft在新版本中的对应 - 知乎

尝试很多改代码的方法，技不如人

卸载pytorch，重新安装

原来是torch1.8.0+cu111，torchvision0.9.0

换成了torch1.7.1+cu110，torchvision0.8.2

pingerApril
关注
python视觉库_PyTracking - 基于PyTorch的视觉跟踪库
weixin_29641609的博客
12-24 1131
PyTrackingA general python framework for visual object tracking and video object segmentation, based on PyTorch.New version released!Tools for analyzing results: performance metrics, plots, tables, et...
单目标跟踪算法及其复现过程---ToMP (CVPR2022, Transforming Model Prediction for Tracking)（三）
weixin_58244117的博客
04-24 3800
基于优化的跟踪方法通过整合目标模型预测模块已被广泛成功，通过最小化目标函数来提供有效的全局推理。虽然这种归纳偏差整合了有价值的领域知识，但它限制了跟踪网络的表达能力。这里描述的基于优化的跟踪方法，作者在下文解释中主要针对基于判别相关滤波的跟踪模型，即判别相关滤波方法的目标函数在previous frames 上继承前景背景的知识。在这个过程（学习模型）是包括了有效的全局推理的，但是这里对预测目标模型施加了严重的归纳偏差。
pytracking/pytracking/evaluation/tracker.py
10-31
此为用pysot里面的vot功能DIMP50要用到的修改后的tracker.py文件
PyTracking 深度学习视觉追踪框架教程
gitblog_01178的博客
08-08 729
PyTracking 深度学习视觉追踪框架教程 pytrackingVisual tracking library based on PyTorch.项目地址:https://gitcode.com/gh_mirrors/py/pytracking 1. 项目介绍 PyTracking 是一个基于 PyTorch 的强大视觉对象追踪框架，由 VisionML 团队开发。这个开源项目旨在提供多种先...
Pytracking
weixin_45400447的博客
11-16 810
cuda toolkit11.4,CUDA11.3,Ubuntu20.04 PYTRACKING
Atom pytracking 运行
weixin_42136827的博客
04-06 581
zip001 zip002 zip003 解压 cat TRAIN_1.zip* > Tr1.zip unzip Tr1.zip -d …/Tracking/ Traceback (most recent call last): File “run_training.py”, line 55, in main() File “run_training.py”, line 50, in main run_training(args.train_module, args.train_name, arg
目标跟踪之Pytracking系列代码训练(ATOM\DiMP\PrDiMP\KYS\Super_DiMP\KeepTrack)
qq_40199447的博客
09-04 7370
参考链接：https://github.com/visionml/pytracking/blob/master/ltr/README.md#ATOM pytracking代码环境配置参考大佬的博客 一、训练模型 待训练数据集路径：修改/ltr/admin/local.py 注：根据ATOM原文的描述，训练ATOM共用到了LaSOT、TrackingNet、COCO 等三个数据集，而代码新增了GOT-10k数据集 self.tensorboard_dir = self.workspace_dir + '/ho
【达梦数据库】-导入导出过程中get DDL复现过程
最新发布
08-20
【达梦数据库】-导入导出过程中get DDL复现过程
【ORACLE数据库】-导入导出过程中GET DDL复现过程
08-20
【ORACLE数据库】-导入导出过程中GET DDL复现过程
iou的计算及代码复现过程
07-18
iou的计算及代码复现过程
基于PyTorch的视觉跟踪库。-Python开发
05-25
PyTracking基于PyTorch的用于可视对象跟踪和视频对象细分的通用python框架。 新版本发布！ 我们的CVPR 2020论文《视觉跟踪的概率回归》的代码。 T PyTracking基于PyTorch的用于可视对象跟踪和视频对象分段的通用python框架。 新版本发布！ 我们的CVPR 2020论文《视觉跟踪的概率回归》的代码。 分析结果的工具：性能指标，图表，表格等。支持多对象跟踪。 任何跟踪器都可以在多对象模式下运行。 支持视频对象分段（VOS）：培训，数据集，评估等。用于学习视频对象段学习内容的代码
Deep transfer learning
10-22
深度学习中，关于小样本迁移学习的案例。帮助在样本数据有限的情况下如何训练神经网络。
【跟踪】Windows运行PyTracking
prinTao的博客
01-29 496
2024年，安装tracking的更改之处
PyTracking配置
q2479036243的博客
04-23 484
PyTracking学习
pytracking系列跟踪算法的配置（LWL, KYS, PrDiMP, DiMP and ATOM Trackers）（Ubuntu版本）
热门推荐
博博有个大大大的Dream
06-16 1万+
1、论文下载地址： LWL:Learning What to Learn for Video Object Segmentation.[paper] KYS: Know Your Surroundings: Exploiting Scene Information for Object Tracking.[paper] PrDiMP:Probabilistic Regression for Visual Tracking.[paper] DiMP：Learning Discriminative Mo
pytracking 环境配置记录（Windows10 版本）
weixin_41258131的博客
10-25 1515
以上就是 pytracking 的配置过程以及 run_tracker.py 和 run_video.py 的运行过程。
探索PyTracking：一款强大的视觉追踪框架
gitblog_00073的博客
03-22 526
探索PyTracking：一款强大的视觉追踪框架 pytrackingVisual tracking library based on PyTorch.项目地址:https://gitcode.com/gh_mirrors/py/pytracking 是一个开源的深度学习视觉追踪框架，由VisionML团队开发。它提供了多种先进的追踪算法，并且设计得易于使用和扩展，使得研究人员和开发者能够快速地...
mmskeleton复现过程
07-23
要开始复现mmskeleton的过程，请按照以下步骤进行操作： 1. 确保你的系统已经安装了Python和pip。如果没有，请先安装它们。 2. 克隆mmskeleton的代码仓库。你可以在GitHub上找到mmskeleton的代码仓库，并使用以下命令克隆代码： ``` git clone https://github.com/open-mmlab/mmskeleton.git ``` 3. 进入克隆的代码仓库目录。 ``` cd mmskeleton ``` 4. 创建并激活一个虚拟环境（可选，但强烈推荐）。 5. 安装依赖项。可以使用以下命令安装必要的依赖项： ``` pip install -r requirements.txt ``` 6. 安装mmskeleton。可以使用以下命令安装mmskeleton： ``` python setup.py install ``` 7. 下载预训练模型。mmskeleton需要一些预训练模型来进行姿态估计等任务。你可以在mmskeleton的文档或代码仓库中找到相应的模型下载链接。下载并解压这些模型，并将它们放置在适当的目录中。 8. 准备数据。根据你的任务和数据集，准备好相应的数据。确保数据的路径与配置文件中指定的路径相匹配。 9. 配置文件设置。在`./configs/pose_estimation/`目录下，你可以找到一些已经配置好的示例配置文件。根据你的需求修改其中的一份配置文件，确保路径和参数设置正确。 10. 运行示例。使用以下命令来运行mmskeleton的示例： ``` python mmskl.py --config ./configs/pose_estimation/pose_demo.yaml ``` 这将使用指定的配置文件运行mmskeleton的姿态估计示例。根据你的配置文件和数据集，你可能需要进行相应的修改。 这些是复现mmskeleton的基本步骤。根据你的具体需求和任务，可能还需要进行其他设置和修改。请参考mmskeleton的文档和代码仓库以获取更详细的信息和指导。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值