http://www.ctoutiao.com/1809649.html
下面的是中科院 SIAM家族
FlowTrack 朱政 CVPR2018
SiamMask 王强 CVPR2019
SiamFC Luca Berttineto, JF, Torr ECCV2016
SiamRPN 李波, 朱政 CVPR2018
DaSiamRPN 朱政, 王强 CVPR2018
SiamRPN++ 李博
论文一览
FlowTrack 朱政 导师wei zou CVPR2018
邹伟 男 博导 中国科学院自动化研究所 http://people.ucas.ac.cn/~zouwei
SiamMask 王强 CVPR2019
SiamFC ECCV2016
SiamRPN 李波 朱政 CVPR2018
DaSiamRPN 朱政 王强 ECCV2018
胡卫明,男, 中国科学院自动化研究所模式识别国家重点实验室研究员(二级) http://people.ucas.ac.cn/~huweiming
SiamRPN++
中科院自动化所导师一览表
http://www.ia.cas.cn/yjsjy/dsjj/
视觉跟踪在 CVPR2018 时的发展分布
github项目安装指南
代码连接: https://github.com/STVIR/pysot
先把上述网址的内容下载下来
PS:我主要关注的是实时性快的SiamRPN
SenseTime单目标跟踪研究平台,实现SiamRPN、SiamMask等算法。
PySOT
(ps:可能按照下面我翻译的一步一步安装,也可以按照这个readme安装:https://github.com/STVIR/pysot )
PySOT是由SenseTime视频智能研究团队设计的软件系统。
它实现了最先进的单目标跟踪算法,包括SiamRPN和SiamMask。
它是用Python编写的,并由PyTorch深度学习框架提供支持。
该项目还包含一个用于评估跟踪器的Python工具包端口。
示例SiamFC、SiamRPN和SiamMask输出。
介绍
PySOT的目标是为视觉跟踪研究提供一个高质量、高性能的代码库。
它的设计是灵活的,以支持新研究的快速实施和评估。
PySOT包括以下视觉跟踪算法的实现:
使用下列主干网络架构:(ps:都很精简的网络啊)
额外的骨干架构可能很容易实现。
有关这些模型的详细信息,请参阅下面的参考资料。
评估工具包可以支持以下数据集: OTB2015
VOT16/18/19
VOT18-LT
LaSOT
UAV123
Model Zoo and Baselines
(ps:模型动物园和基线?,这里应该是一些训练过的模型,可以先放着最后再下载!)
我们在PySOT模型动物园中提供了大量的基线结果和可下载的训练过的模型。下载地址: PySOT Model Zoo.
We provide a large set of baseline results and trained models available for download in the PySOT Model Zoo.
Installation
(ps:重点开始了,按照 INSTALL.md 把要安装的 一 一 安装好)
可以参考:https://blog.csdn.net/zjc910997316/article/details/93657721
Please find installation instructions for PyTorch and PySOT in INSTALL.md
.
请在INSTALL.md中找到PyTorch和PySOT的安装说明。
PS:按照这个安装完就基本有对应的环境了,
用anaconda管理器(anaconda navigator)管理环境如下:
红色是我的根环境,
激活base环境,conda activate base
也可以conda create --name xxx python=3.7创建新环境(新旧环境互相隔离,新环境会出现在红色框下面)
蓝色是相应环境env的已安装库,
PS:我的安装过程 https://blog.csdn.net/zjc910997316/article/details/93657721
Quick Start: Using PySOT
1 Add PySOT to your PYTHONPATH
添加路径!
export PYTHONPATH=/path/to/PySOT:$PYTHONPATH
ps:/path/to/PySOT -> 这个路径自己写
2 Download models
下载模型!
Download models in PySOT Model Zoo and put the model.pth in the correct directory in experiments
在PySOT Model Zoo(PS:模型库)中下载模型,并将model.pth放在experiments目录中
3 Webcam demo
网络摄像头演示
python tools/demo.py \
--config experiments/siamrpn_r50_l234_dwxcorr/config.yaml \
--snapshot experiments/siamrpn_r50_l234_dwxcorr/model.pth \
# --video demo/bag.avi # (in case you don't have webcam)
添加 环境config,模型model
ps: #后面的应该是运行视频
4 Download testing datasets
下载测试模型
Download datasets and put them into testing_dataset
directory.
Jsons of commonly used datasets can be downloaded from Google Drive or BaiduYun.
If you want to test tracker on new dataset, please refer to pysot-toolkit to setting testing_dataset
.
下载数据集并将其放入testing_dataset目录中。
常用数据集的Jsons可以从Google Drive or BaiduYun下载
如果您想在新数据集上测试跟踪器,请参考 pysot-toolkit 来设置testing_dataset。
5 Test tracker
测试跟踪器
cd experiments/siamrpn_r50_l234_dwxcorr
python -u ../../tools/test.py \
--snapshot model.pth \ # model path
--dataset VOT2018 \ # dataset name
--config config.yaml # config file
The testing results will in the current directory(results/dataset/model_name/)
测试结果将位于当前目录中(results/dataset/model_name/)
6 Eval tracker
评估跟踪器
assume still in experiments/siamrpn_r50_l234_dwxcorr
假设仍然在上述目录下
python ../../tools/eval.py \
--tracker_path ./results \ # result path
--dataset VOT2018 \ # dataset name
--num 1 \ # number thread to eval
--tracker_prefix 'model' # tracker_name
References
-
Fast Online Object Tracking and Segmentation: A Unifying Approach. Qiang Wang, Li Zhang, Luca Bertinetto, Weiming Hu, Philip H.S. Torr. IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2019.
-
SiamRPN++: Evolution of Siamese Visual Tracking with Very Deep Networks. Bo Li, Wei Wu, Qiang Wang, Fangyi Zhang, Junliang Xing, Junjie Yan. IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2019.
-
Distractor-aware Siamese Networks for Visual Object Tracking. Zheng Zhu, Qiang Wang, Bo Li, Wu Wei, Junjie Yan, Weiming Hu. The European Conference on Computer Vision (ECCV), 2018.
-
High Performance Visual Tracking with Siamese Region Proposal Network. Bo Li, Wei Wu, Zheng Zhu, Junjie Yan, Xiaolin Hu. IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2018.
-
Fully-Convolutional Siamese Networks for Object Tracking. Luca Bertinetto, Jack Valmadre, João F. Henriques, Andrea Vedaldi, Philip H. S. Torr. The European Conference on Computer Vision (ECCV) Workshops, 2016.