OTB官方评估代码python版本

可参考：OTB官方评估代码python版本--评估自己跟踪器，对比其他跟踪器

博主写的很好，按照步骤可以运行

 

以下有几点注意的地方

1、我是用ubuntu系统，创建虚拟环境安装的python=2.7.13

2、数据集是直接下载的博主整理好的

      如果要自己整理的话，按照博主教程整理即可，特别注意这一个步骤：

      在matlab版本的benchmark_v1.0.zip（matlab版本的OTB官方评估代码）里面有个initOmit文件夹，里面对应27个序列中不能作为初始化帧的记录，只要把他们都复制到对应序列下，并且全部重命名成init_omit.txt

3、自己的跟踪器结果

      我是用的MDnet结果（目前开源的一些跟踪器结果网上可以找到），100个txt格式文件，没有times文件夹,所以save_to_json.py第27行可以注释掉或删掉，不然会报错

      然后save_to_json.py中修改这两个地方

tracker = 'MDNet'
# replace your own path
txt_Results = 'your own path/MDNet'

注意自己跟踪器结果txt文件命名要与data/tb_100.txt文件中跟踪器命名一致，不然会报错

（例如我的文件Faceocc1.txt实际应该改为：FaceOcc1.txt）

      还有就是博主的SiamFC文件夹中几个特殊序列的命名为Human4、Jogging.1、Jogging.2、Skating2.1、Skating2.2，而我的就是Human4-2、Jogging-1、Jogging-2、Skating2-1、Skating2-2，所以我对util.py修改了下，修改结果为：

def _convert_name(oldname):
    newname = None
    if oldname == 'Human4-2':
        newname = 'Human4-2'
    elif oldname == 'Jogging-1':
        newname = 'Jogging-1'
    elif oldname == 'Jogging-2':
        newname = 'Jogging-2'
    elif oldname == 'Skating2-1':
        newname = 'Skating2-1'
    elif oldname == 'Skating2-2':
        newname = 'Skating2-2'

就是遇见这几个序列也不改变文件名。

      这两个py文件，util.py只是被save_to_json.py调用的。

4、我的实验结果就是JSON格式，要不要创建save_to_json.py和util.py这两个文件

      虽然自己的结果也是JSON格式，但是自己的JSON格式不一定符合这个代码的格式，如果可以保证，则不需要这两个py文件，可以得到结果。

      自己可以跑完实验结果试一下，看可以吗。

5、通过运行run_trackers.py产生的是各个属性的json文件，最后画图只是调用了ALL.json文件画的。

      在draw_graph.py中修改两个地方可以画出MB等各属性的曲线（个人猜测，尝试了下应该是对的）

      def get_overlap_graph 和 def get_precision_graph中的两句话：

        tracker = result[0].tracker
        attr = result[0]

 因为最后获得了12个json文件， result[0] 应该就是调用的第一个ALL.json，那么result[1]应该就是第二个 BC.json，自己可以试试。那两句代码的具体位置例如下面红色部分：

def get_overlap_graph(scoreList, fignum, evalType, testname):
    fig = plt.figure(num=fignum, figsize=(9,6), dpi=70)
    rankList = sorted(scoreList,
        key=lambda o: sum(o[0].successRateList), reverse=True)
    for i in range(len(rankList)):
        result = rankList[i]
        tracker = result[0].tracker   
        attr = result[0]

我按照本方法跑了下MDNet实验结果(后面又将官方的.mat结果转成.txt结果重新跑了下，发现和我收集的MDNet结果一样，故收集的MDNet实验结果是对的)，

发现和论文中提供的有一点点小的差距，不过非常接近，论文中给的结果是matlab中.mat格式，不知道是不是这个原因。

除了MDNet方法，别的官方给出的跟踪器结果和博主跑出的结果一致，例如：CSK、MUSTer等。

结果如下：