SenseTime(商汤科技)实现的软件系统,实现单一对象跟踪算法,包括SiamRPN和SiamMask,python编写使用pytorch框架,目标是为视觉跟踪提供高质量、高性能的代码库。一个孪生的跟踪框架。
pysot包括以下的视觉跟踪算法
SiamMask(CVPR 2019)
SiamRNN++(CVPR 2019 oral)
DaSimRPN(ECCV 2018)
SiamRPN(CVPR 2018)
SiamFC(ECCV 2016)
Pysot使用以下的网络架构
ResNet{18, 34, 50}
MobileNetV2
AlexNet
pysot提供的评估工具支持的数据集
OTB2015
VOT16/18/19
VOT18-LT
LaSOT
UAV123
在学术上效果较好的单目标跟踪和多目标跟踪热门SOTA算法分别有商汤的Pysot和清华的JDE。
长尾(不均衡)分布下分类问题介绍
一个动物分类数据集,猫狗可以轻轻松松的采集数以百万张的图片,考虑数据集的均衡,雪豹等罕见动物采样困难。
不考虑人工均衡,自然采集会出现长尾分布,会导致头部过拟合以及预测忽略尾部的类别。
长尾分布采用重采样和重加权,
重采样
本质:同类别的图片采样频率根据样本数量进行反向加权。 类别均衡采样,根据不同类别的样本数量,对每个图片的采样频率进行加权。在已有数据不均衡的情况下,人为的让模型学习时接触到的训练样本是类别均衡的。
重加权
从基于类别分布的反向加权,到不需要知道类别,直接根据分类的可信度进行的困难样本挖掘。
focal loss,hard negatvie mining都是属于解决样本分布不均衡
以下为pysort代码
tracker目录
pycache
python运行机制:Python解释器将源码转换为字节码,然后再由解释器来执行这些字节码。
python解释器会将 *.py 脚本文件进行编译,并将编译结果保存到__pycache__目录中
字节码从内存写回,复制到.pyc或.pyo文件中。