pysot环境配置

pysot环境搭建和踩坑记录

商汤开源最大目标跟踪库PySOT已经在GitHub上开源，更多相关信息可以在GitHub提供的多个readme文件做详细了解。以下主要详细介绍一下该项目环境如何搭建。

------------------------------------------------------------------------------------

• 下载资源有问题的可以私聊或评论，我发给你。
• 对文章理解有问题的评论即可。
• 有其他操作或技术上的问题私聊加联系方式均可。

------------------------------------------------------------------------------------

本文所采用的环境

Windows10 + anaconda3.7（python3.7） + cuda8.0（+cuDNN） + pycharm（无要求）+各种库

下载步骤

anaconda3.7下载地址

3.7的anaconda默认的python版本就是3.7，所以下载后直接使用root环境。
anaconda的安装比较简单，直接next就可以，在此省略。

• Install for All Users
• Advanced Installation Options 两项全选

cuda8.0下载地址

cuda8.0下载也比较简单，安装选项选精简版即可，然后直接next。
我的电脑->属性->高级系统变量->高级->环境变量->系统变量->Path

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\libnvvp

以上四条缺哪几条将哪条添加到Path环境中。

cuda8.0适配的cuDNN下载地址.

cuDNN是用于深度神经网络的GPU加速库，下载完成后，解压得到一个名为cuda的文件夹；将该文件夹下的文件复制到上一步安装的CUDA中

./cuda/bin/**.dll 复制到  ./NVIDIA GPU Computing Tookit/CUDA/v8.0/bin/
./cuda/include/**.dll 复制到  ./NVIDIA GPU Computing Tookit/CUDA/v8.0/include/
./cuda/lib/x64/**.dll 复制到  ./NVIDIA GPU Computing Tookit/CUDA/v8.0/lib/x64/

Pycharm下载地址

Pycharm哪个版本都可以，一路next就行。

pytorch下载地址

该地址提供了各个cuda版本对应的torch版本，可以直接下载wheel本地安装，也可以使用pip3安装.

其它库函数

pysot的依赖库如下：

opencv-python
yacs
tqdm
pyyaml
matplotlib
colorama
cython
tensorboardX

pysot-toolkit的依赖库如下：

tqdm
numpy
glob
opencv-python
colorama
numba

举例：
pip3 install numpy
如果一直有网络问题，可以尝试换清华源
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple numpy

pysot的运行

首先打开pycharm配置环境

点击OK，然后等待大概几分钟，右下角进度条消失就完成了。

简单解释一下代码思路

先下载官方提供的训练好的模型，以及代码支持的几种测试数据集比如OTB/VOT等，通过模型的导入，可以测试跟踪一个简单的avi，同样可以跟踪一个完整的数据集，并获得跟踪结果，并进行评价。

下载训练好的模型

https://pan.baidu.com/s/1GB9-aTtjG57SebraVoBfuQ#list/path=%2F   密码 j9yb

将预训练模型下载好放在pysot/experiments文件夹下

依次打开experiments的每个文件夹，将除去yaml后缀的其它文件放入其中，训练后的模型便导入完成。

跑demo

run->edit configurations
（追踪一个avi文件）：
–config …/experiments/siamrpn_alex_dwxcorr/config.yaml

–snapshot …/experiments/siamrpn_alex_dwxcorr/model.pth

–video …/demo/bag.avi

（用摄像头追踪）：

–config …/experiments/siamrpn_alex_dwxcorr/config.yaml

–snapshot …/experiments/siamrpn_alex_dwxcorr/model.pth

配置完参数后点运行即可。

跑数据集（以OTB为栗子）

下载好OTB数据集，将数据集放入项目中，tree结构如下：

然后下载数据集的辅助json文件（https://pan.baidu.com/s/1js0Qhykqqur7_lNRtle1tA#list/path=%2F）
将json文件放入OTB100目录下。
将Jogging 复制为Jogging-1 和 Jogging-2,将 Skating2 复制 Skating2-1和 Skating2-2。其它有问题的话同样也要改一下。
到此数据集格式与位置调整正确。

跑代码之前先setup一下

运行不报错就可以了，生成build文件夹。

接下来和demo同样的道理，可以运行test.py了。

运行完成后，会将跟踪结果放在tools/results里

得到结果后，可以运行eval.py了

运行后便可得到结果。

pysot-toolkit的运行（提供用于评价各种数据集跟踪结果的API）

环境配置方法在上一部分已经说明，在此演示如何运行。

数据集和跟踪结果以及项目呈并列关系（位置无所谓，参数随之修改即可）

首先set-up一下，和之前一样，不报错即可。

然后，输入参数如上，运行eval即可得到对应的评测结果。

到此全部运行完成。

如果遇到set-up有问题的，一般是C环境的问题，可以下载安装visualcppbuildtools_full，问题就解决了。网上有资源，找不到可以找我要。

------------------------------------------------------------------------------------

• 下载资源有问题的可以私聊或评论，我发给你。
• 对文章理解有问题的评论即可。
• 有其他操作或技术上的问题私聊加联系方式均可。

------------------------------------------------------------------------------------