win11运行ostrack目标跟踪

复现过程（win11）

代码地址：[botaoye/OSTrack: ECCV 2022] Joint Feature Learning and Relation Modeling for Tracking: A One-Stream Framework (github.com)

论文地址：[2203.11991] Joint Feature Learning and Relation Modeling for Tracking: A One-Stream Framework (arxiv.org)

第一步：

1.创建并激活环境

2.执行bash install.sh

windows下注意：直接使用bash会出现'sh' 不是内部或外部命令，也不是可运行的程序或批处理文件。

解决办法：conda install m2-base

第二步：配置环境

1.虚拟环境进入ostrack目录

2.执行命令：

python tracking/create_default_local_file.py --workspace_dir . --data_dir ./data --save_dir ./output

解释：

• --workspace_dir .: 指定工作空间目录为当前目录（.）。
• --data_dir ./data: 指定数据目录为当前目录下的 data 文件夹。
• --save_dir ./output: 指定保存目录为当前目录下的 output 文件夹。

3.执行命令后，按运行结果local.py新建文件夹如图所示，并将模型放入

第三步：实现demo（与DCPT相同）

1.如图配置并运行video_demo.py

运行成功：

第四步：运行测试（otb100）（与DCPT相同）

1.修改tracking/test.py 如图

遇到错误1：

raise Exception('Could not read file {}'.format(path)) Exception: Could not read file /data/otb/BlurCar1/groundtruth_rect.txt

错误原因1：

groundtruth_rect.txt格式与读取格式不对应

解决方法1：

修改lib/test/utils/load_text.py 如下图：

遇到错误2：

Exception: Could not read file /data/otb/Human4/groundtruth_rect.txt

错误原因2：

代码数据集文件名与实际文件名不符合

解决方法2：

修改实际文件夹名字或者修改lib/test/evaluation/otbdataset.py 如下图：

同样Jogging 、Skating2也如此操作

运行成功：

2.运行tracking/analysis_results.py(这个代码的作用还没搞懂，不清楚是否与tracking/test.py生成的结果有关系)

出现错误ImportError: cannot import name 'common_texification' from 'matplotlib.backends.backend_pgf' (D:\Software\anaconda3\envs\Pytorch_py39\lib\site-packages\matplotlib\backends\backend_pgf.py)

错误原因：matplotlib版本不兼容问题Common_texification removed from matplotlib 3.8.0

解决办法：pip install matplotlib==3.7

运行结果如图：

第五步：测试FLOPs和速度（与DCPT相同）

1.运行命令行python tracking/profile_model.py 没问题

2.直接运行tracking/profile_model.py

出现问题：FileNotFoundError: [Errno 2] No such file or directory: 'experiments/DCPT/DCPT_Gate.yaml'

解决如图：

运行结果：

第六步：训练（只用got10k中GOT-10k_Train_split_01数据）

1.修改：experiments/ostrack/vitb_256_mae_ce_32x4_ep300.yaml文件

2.修改tracking/train.py如图

3.got10k数据集放置如下所示

4.运行tracking/train.py或者lib/train/run_training

出现问题1：

debug找错误：（如图位置打断点开始调试）

单步调试得到如图所示：

点击左边红框进入txt文件查看。（当时上午没看出啥问题，下午想到了。self.sequence_list相当于是由seq_ids决定的）

写一段python代码将如下图的txt文件中的数字从小到大重新排序，验证想法。

排序的python代码如下：

# 读取文件内容
with open('got10k_train_full_split.txt', 'r') as file:
    lines = file.readlines()

# 将每行的数字转换为整数，并排序
numbers = [int(line.strip()) for line in lines]
numbers.sort()

# 将排序后的数字写入新的文件
with open('sorted_numbers.txt', 'w') as file:
    for number in numbers:
        file.write(f'{number}\n')

排序结果如图所示：

由此得思路正确。

运行代码，还是同样的错误；添加如图的两行代码查看具体的索引值。

再次运行，查看错误如下图所示：

可以验证思路基本正确，上面修改got10k_vot_train_split.txt后已经变为我们所需的索引值，下面那个1249推测是验证集的索引值，打开相应文件查看如下图，确实如此，因此将其做对应修改。

修改后运行代码，未出现IndexError: list index out of range，成功解决错误。

解决方法（任选其一）：

（1）将下图两个文件内数字修改成自己所需的数据集序列部分。

（2）

将"D:\deeptrack\OSTrack\lib\train\dataset\got10k.py"中的该行代码

self.sequence_list = [self.sequence_list[i] for i in seq_ids]注释。

出现问题2：

解决办法：

（1）将该行代码注释

（2）将作者的模型删掉

最后成功运行，如下图所示（只训练了一轮来验证是否成功训练）：

参考资料：

OSTrack 代码阅读记录-CSDN博客