学习 PySOT(2)（PySOT-toolkit、对比、画图）

---

前言

pysot-toolkit是基于PySOT的工具，此存储库的目的是提供当前单个对象跟踪数据集的评估API，包括：

VOT2016
 VOT2018
 VOT2018-LT
 OTB100(OTB2015)
 UAV123
 NFS
 LaSOT
 TrackingNet (Evaluation on Server)
 GOT-10k (Evaluation on Server)

关于PySOT的配置和使用，请参考:学习 PySOT(1)（介绍、配置、使用），下面的操作都是在PySOT的基础上做的。

一、pysot-toolkit准备工作

1.所需环境要求

 tqdm
numpy
glob
opencv-python
colorama
numba

对应的安装命令：（在Anaconda Prompt 命令窗口下）

pip install tqdm
conda install numpy
pip install glob2 
pip install opencv-python
pip install colorama
pip3 install --user numba

建议安装完，重启一下电脑。

2.文件配置

第一步，配置数据集，以OTB100为例。
参考官方pysot-toolkit

1. 将CVRP13.json，OTB100.json，OTB50.json放在OTB100数据集目录中（您需要将Jogging复制到Jogging-1和Jogging-2，并将Skating2复制到Skating2-1和Skating2-2或使用软链接）
   注：Jogging和Skating2都是两个目标，在OTB Benchmark
   学习（下载链接、评价指标、配置）中有专门说明。
   目录应采用以下格式：

 | -- OTB100/

​ | -- Basketball

​ | ......

​ | -- Woman

​ | -- OTB100.json

​ | -- OTB50.json

​ | -- CVPR13.json 

2. 如1一样，将所有其他json放入数据集目录中。

为什么将Jogging复制到Jogging-1和Jogging-2 ？
其实，打开OTB100.json文件可以看到有Jogging-1和Jogging-2两个目录，但是实际的OTB100数据集中Jogging和Skating2有两个groundtruth_rect.txt，所以需要上述操作。

在VOT2016和VOT2018数据集也需要类似的操作，将VOT2016.json和VOT2018.json文件打开后，分别对照数据集看看，需要复制文件夹的复制，需要改名的直接改名即可。

第二步，配置算法运行结果，以OTB100数据集为例。

OTB100的txt跟踪结果，百度云，提取码：t713

解压配置，路径：

3.运行配置（对比算法）

运行，该配置前，我们先看看官方要求。

git clone https://github.com/StrangerZhang/pysot-toolkit
pip install -r requirements.txt
cd pysot/utils/
python setup.py build_ext --inplace
# if you need to draw graph, you need latex