qq_40199447的博客

目标跟踪Pysot系列代码训练

代码地址：https://github.com/Daikenan/LTMU论文地址：LTMU是CVPR2020的oral，全文重点分析了跟踪过程中经典的模型更新问题。作者一共在六个state-of-the-art的跟踪器上验证了meta-update的有效性，因此给出了六个trackers的代码，其中论文里面的结果应该是DiMP_LTMU跟踪器（PrDiMP+MU和Super_DiMP+MU的性能更优，但这两个跟踪器是在LTMU发表之后，所以作者也加了进去）。一、创建虚拟环境cd DiMP_LTM

代码地址：https://github.com/researchmm/Stark配置环境conda create -n stark python=3.6conda activate starkbash install_pytorch17.sh设置路径python tracking/create_default_local_file.py --workspace_dir . --data_dir ./data --save_dir .权重文件保存地址：${STARK_ROOT} -- che

参考链接：https://github.com/visionml/pytracking/blob/master/ltr/README.md#ATOMpytracking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

论文地址：https://arxiv.org/abs/1907.12006python代码地址：https://github.com/skyoung/ROAM作者主页：https://tianyu-yang.com/ROAM:Recurrently Optimizing Tracking Model是CVPR2020一篇深度学习用于目标跟踪的论文，本文针对其python代码运行进行配置，由于作者没有给出原始的模型，要将其用于评测其他数据集需要自己利用ILSVRC数据集进行训练一、环境配置创建虚拟环

DaSiamRPN主要是在SiamRPN的基础上做了改进。SiamRPN引入RPN使得跟踪能得到相当精确的包围框，但并没有提高分类器的鉴别能力，而DaSiamRPN在前者的基础上，对训练方式做出了改进，提高了网络的鉴别能力。由于电脑没有GPU，只能修改成CPU版本进行运行。...

无人机数据集对于目标跟踪而言是一大挑战，近年来，正对无人机的数据集也越来越多，UAVDT是ICCV2018提出的一个数据集，共包含80000帧图片，不仅可以用于目标跟踪，也可以用于目标检测等。针对目标跟踪，主要有单目标跟踪（UAV-benchmark-S）和多目标跟踪（UAV-benchmark-M）两个数据集，作者在主页据给出相应的跑库工具。作者主页（数据集+跑库工具）：https://sites.google.com/site/daviddo0323/projects/uavdt论文下载：http

这是一篇AAAI2017的文章，全称：Visual Object Tracking for Unmanned Aerial Vehicles: A Benchmark and New Motion Models，给出了70个短视频无人机序列，对于无人机视频的目标跟踪算法，很多都在这个数据库上验证性能。

UAV123主要由123个无人机视频组成，虽然不如OTB100出名，但不少文章都将UAV123的测试结果进行比较，可见其权威性。由于在之前的博客详细写了OTB的数据集配置方法，所以，这里主要是介绍UAV123不同于OTB100的地方。如果是第一次配置，可以参阅我的上一篇博客。目标跟踪之OTB数据集下载及Visual Tracker Benchmark v1.0配置一、数据集下载UAV123下载地址：https://cemse.kaust.edu.sa/ivul/uav123百度网盘：下载地址，提取码

近两年，基于相关滤波的目标跟踪开始大量利用ADMM进行求解，从BACF、STRCF、ARCF、ASRCF到AutoTrack，基本上是一脉相承。SRDCF虽然采用高斯塞尔德进行迭代求解，但效率低下，但其实SRDCF也是可以利用ADMM求解的，速度还快很多。通过观察近两年的论文公式推导，比如STRCF，我发现论文中给的公式以及代码的公式略有差异，主要是表现在系数上多了个1/T。本文主要是以BACF、SRDCF求解为例，简要分析一下ADMM的求解思路，有很多不足之处，仅供参考，共同学习。一、ADMM基本原理

近期运行CVPR2020的AutoTrack代码时，发现这篇文章只在UAV数据集上测试，而没有在OTB数据集上测试，因此，想着自己运行AutoTrack，测试其在OTB数据集上的性能表现。本文内容一、OTB数据集下载二、下载vlfeat工具包三、Visual Tracker Benchmark v1.0下载四、代码运行五、根据结果绘制Precision和Success曲线一、OTB数据集下载OTB数据集下载地址：http://cvlab.hanyang.ac.kr/tracker_benchmark/

ECO:（Efficient Convolution Operators for Tracking）是CVPR2017的一篇基于相关滤波的文章，本文主要对其matlab版本配置运行进行介绍，并简要分析其跟踪原理，分享自己的一些心得...

本文主要描述了matlab环境下运行SiameseFC代码，讲解如何在matlab配置VS2015的C++编译器

最近在跑C-COT目标跟踪的代码。第一次接触在matlab上运行深度卷积网络，花费不少功夫。1、所需提前安装的内容matlab2018a、visual studio2017（尤其是C++模块，务必要安装）之后跟踪C-COT作者的描述：Download matconvnet ZIP file from https://github.com/vlfeat/matconvnet and unpa...

MOSSE算法(Minimum Output Sum of Squared Error)是相关滤波用于目标跟踪的鼻祖，可以说是目标跟踪入门学习的第一步。本文主要针对MOSSE的C++代码进行配置运行，结合论文对MOSSE的核心公式进行推导，并对跟踪流程进行介绍