CVPR2020跟踪算法Siam R-CNN的配置（Siam R-CNN: Visual Tracking by Re-Detection）

Siam R-CNN是一个two-stage的再检测跟踪器；

采用第一帧和历史帧的信息来应对长期跟踪面临的目标遮挡挑战；

挖掘hard examples来对抗相似目标的干扰。

注：本文在windows 10系统上完成配置，tensorflow版本为1.15.0。

1、论文下载地址：

Siam R-CNN: Paul Voigtlaender, Jonathon Luiten, Philip H.S. Torr, Bastian Leibe.
"Siam R-CNN: Visual Tracking by Re-Detection." CVPR (2020). [paper] [code]

2、代码下载地址：

https://github.com/VisualComputingInstitute/SiamR-CNN

3、添加依赖库

1）下载依赖库：

git clone https://github.com/pvoigtlaender/got10k-toolkit.git
git clone https://github.com/tensorpack/tensorpack.git

2）进入tensorpack路径执行如下指令

cd tensorpack
git checkout d24a9230d50b1dea1712a4c2765a11876f1e193c
cd ..

3） 把1）2）下载的got10k-toolkit/got10k、tensorpack/tensorpack和tensorpack/examples文件夹拷贝到工程目录下

4、pip安装依赖库

pip install cython
pip install tensorflow-gpu==1.15
pip install wget shapely msgpack msgpack_numpy tabulate xmltodict pycocotools opencv-python tqdm zmq annoy

 5、预训练模型下载

建立train_log/hard_mining3路径，并下载预训练模型到此路径下

mkdir train_log
cd train_log
wget --no-check-certificate -r -nH --cut-dirs=2 --no-parent --reject="index.html*" https://omnomnom.vision.rwth-aachen.de/data/siamrcnn/hard_mining3/
cd ..

预训练模型手动下载地址：

Index of /data/siamrcnn/hard_mining3/

预训练模型百度云下载地址：

链接：https://pan.baidu.com/s/1p08Rnx4SKnkg7D0CX-DzLA 
提取码：r11u 

附windows10系统下完整版wget安装包。

链接：https://pan.baidu.com/s/1StS9EjLQdCNBiFDk9pOYSQ 
提取码：n9t1

然后通过如下指令安装即可：

D:\Softwares\GnuWin32\bin\wget --no-check-certificate -r -nH --cut-dirs=2 --no-parent --reject="index.html*" https://omnomnom.vision.rwth-aachen.de/data/siamrcnn/hard_mining3/

6、评估（以OTB2015为例）

1）在tracking/do_tracking.py中设置数据集路径，

2）运行python tracking/do_tracking.py --main main_otb

跟踪结果文件存放在路径：tracking_data/results/

一些可能的错误：

错误1：

NotImplementedError: Cannot convert a symbolic Tensor (cascade_rcnn_stage1/multilevel_roi_align/roi_level2/roi_align/strided_slice:0) to a numpy array.

解决方法：

打开工程路径下的model_box.py

将：

@under_name_scope()
def roi_align(featuremap, boxes, resolution):
    """
    Args:
        featuremap: 1xCxHxW
        boxes: Nx4 floatbox
        resolution: output spatial resolution

    Returns:
        NxCx res x res
    """
    # sample 4 locations per roi bin
    ret = crop_and_resize(
        featuremap, boxes,
        tf.zeros([tf.shape(boxes)[0]], dtype=tf.int32),
        resolution * 2)
    ret = tf.nn.avg_pool(ret, [1, 1, 2, 2], [1, 1, 2, 2], padding='SAME', data_format='NCHW')
    return ret

改为：

@under_name_scope()
def roi_align(featuremap, boxes, resolution):
    """
    Args:
        featuremap: 1xCxHxW
        boxes: Nx4 floatbox
        resolution: output spatial resolution

    Returns:
        NxCx res x res
    """
    # sample 4 locations per roi bin

    tfshape = tf.shape(boxes)[0]

    ret = crop_and_resize(
        featuremap, boxes,
        tf.zeros(shape=tfshape, dtype=tf.int32),
        resolution * 2)
    ret = tf.nn.avg_pool(ret, [1, 1, 2, 2], [1, 1, 2, 2], padding='SAME', data_format='NCHW')
    return ret

错误2：

ValueError: numpy.ndarray size changed, may indicate binary incompatibility. Expected 88 from C header, got 80 from PyObject

解决方法：

pip install --upgrade numpy

错误3：

 File "D:\Softwares\Anaconda3\envs\TPDtracker\lib\site-packages\shapely\geos.py", line 154, in <module>
    _lgeos = CDLL(os.path.join(sys.prefix, 'Library', 'bin', 'geos_c.dll'))
  File "D:\Softwares\Anaconda3\envs\TPDtracker\lib\ctypes\__init__.py", line 356, in __init__
    self._handle = _dlopen(self._name, mode)
OSError: [WinError 126] 找不到指定的模块。

解决方法：

在使用python中的使用 shapely 时报错

一些其他错误：

SiamRCNN复现踩坑记录_科研使我快乐！！！-CSDN博客_siamrcnn