ViPT代码运行记录

原创 已于 2025-08-06 14:51:25 修改 · 1.6k 阅读 · 29 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#python #深度学习 #计算机视觉 #目标跟踪

于 2024-03-05 20:17:42 首次发布
本文记录了ViPT代码的运行过程，包括克隆仓库、创建环境、准备数据集、路径设置和训练。在训练过程中遇到数据读取错误和PyTorch关于输出形状的警告，通过修改代码解决了问题，使得模型能够成功运行。
论文原文

1.克隆仓库

git clone https://github.com/jiawen-zhu/ViPT.git

2. 创建环境

创建并激活环境

conda create -n vipt python=3.8


conda activate vipt

安装Pytorch和对应的cuda

conda install pytorch==1.13.1 torchvision==0.14.1 torchaudio==0.13.1 pytorch-cuda=11.7 -c pytorch -c nvidia

安装需要的包

bash install_vipt.sh

3. 数据集准备

我使用的LasHeR数据集。

--datasets/LasHeR

        -- trainingset        

                        |-- 1boygo        

                        |-- 1handsth

                        |-- ........

        --testingset

                        |--

最低0.47元/天 解锁文章
ViPT代码学习记录 train-test
qq_45189698的博客
03-06 817
额自己的学习记录，不完整待更新，不一定准确，纯属记录方便自己之后看的，有问题感谢指出。
OSTrack的一些代码执行命令讲解
南城以北的博客
04-18 3860
执行如下命令可以生成路径文件，分别会在OSTrack/lib/train/admin目录和OSTrack/lib/test/evaluation目录下生成local.py文件，里面是各种路径的默认设置。配置文件为OSTrack/experiments/ostrack/vitb_256_mae_ce_32x4_ep300.yaml。一些单目标跟踪算法的代码执行命令非常相似，例如Stark、OSTrack、CSWinTT、AiATrack等，因此对一些命令进行讲解，有助于提升代码研究效率。
SiameseFC-TensorFlow 代码详细注解（一）：预训练模型下载转换测试以及结果可视化
StayHappy_Fan的博客
05-27 1万+
说明：该系列博客源码链接为：https://github.com/bilylee/SiamFC-TensorFlow，是实验室同小组的师兄用TensorFlow实现SiameseFC算法的最终公开版本，经过了长时间的打磨，各个模块功能明确，整体可读性和可移植性极好，我相信这对做Tracking的小伙伴来说，是个入门SiameseFC Tracker的特别好的选择。哈哈，觉得代码很棒的小伙伴们可以点...
(OSTrack)Joint Feature Learning and Relation Modeling for Tracking A One-Stream Framework
小火山的博客
04-06 1450
Joint Feature Learning and Relation Modeling for Tracking A One-Stream Framework (OSTrack)
ViPT~
whaosoft143ai的博客
04-06 461
这里防止阶段感知MCP，以充分利用不同模态语义理解。直接将提示加入基础模型中间层特征也使本文ViPT算法快速且简单地应用在已有的预训练基础跟踪器中。与包含可训练地提示学习网络和预测头的提示调整方法不同，本文ViPT中所有RGB模态相关网络参数全部冻结，包括补丁嵌入，特征提取交互和预测头。whaosoft aiot http://143ai.com VisEvent是目前最大的视觉-事件基准数据集，本文在320各测试视频上进行比较。本文仅使用由原始事件数据变换来的事件图像。图5给出了相关实验结果。ViPT
RGB-T追踪——【数据集基准】GTOT / RGBT210 / RGBT234 / VOT-2019-2020 / LasHeR / VTUAV
热门推荐
qq_42312574的博客
07-25 2万+
这个数据集出自2016IEEETransactionsonImageProcessing(T-IP)的文章，安徽大学李成龙课题组。数据集包括带统计偏差的50个视频对（以灰度图片-热红外图片对的序列）、视频对应的每帧GroundTruth注释、两个评估指标。视频对是对齐的灰度图片和热红外图。视频拍摄场景有16个，包括实验室、校园道路、操场、水池等等。数据集的统计特性包括评价指标预测框与真值框之间的中心位置距离。由于是小目标，所以这里阈值也由常用的20像素改成5像素。.........
qemu使用记录
Liu Boqiang 博客
08-05 787
使用qemu模拟内核开发
Starting kernel ... [ 0.000000] Booting Linux on physical CPU 0x0 [ 0.000000] Linux version 4.19.125 (geri@geri-virtual-machine) (gcc version 8.3.0 (GCC)) #1 SMP PREEMPT Wed Oct 29 10:14:58 CST 2025 [ 0.000000] CPU: ARMv7 Processor [410fd034] revision 4 (ARMv7), cr=50c5383d [ 0.000000] CPU: PIPT / VIPT nonaliasing data cache, VIPT aliasing instruction cache [ 0.000000] OF: fdt: Machine model: axera,ax620e [ 0.000000] earlycon: uart8250 at MMIO32 0x04880000 (options '') [ 0.000000] bootconsole [uart8250] enabled
最新发布
11-01
这是引导加载程序（如 U-Boot）跳转到内核入口前输出的最后一句话，表示即将开始执行 Linux 内核代码。 --- ```log [ 0.000000] Booting Linux on physical CPU 0x0 ``` - 系统从物理 CPU 0 开始启动。 - 在多核...
ARM的cache和mem零散记录(属性)
cy413026的博客
01-31 2141
4.2 armV8的cache line是64Byte，但是core实际使用数据和指令的最小单位是byte，所以cache line的修改可能只有一小部分。6.是不是先通知其他core数据或指令被修改了，然后过一段时间数据才能更新？5.由于某个core改写了指令或者数据，就导致cache的一致性问题，怎么解决？icache和dcache的一致性是什么？类型和属性都有什么含义 什么情况下使用，也就是每个属性是为了解决什么问题？和指令的分支预测有什么关系？7.cache的歧义和别名是什么东西？
OSTrack 代码阅读记录
allrubots的博客
03-12 1万+
实验记录
LasHeR:RGBT跟踪的大规模高多样性基准
04-16
RGBT跟踪的大规模高多样性基准 动机 RGBT跟踪引起了计算机视觉界的关注，但是该研究领域缺乏大规模和高多样性基准数据集，这对于深度RGBT跟踪器的训练和RGBT跟踪方法的综合评估都是必不可少的。 为此，我们提出了一个拉rge-小号Cale的ħIGH-多样性Bénchmark对该工作řGBT跟踪（堰）。 关于LasHeR基准 大规模 多平台成像设备 丰富的场景和类别 现实世界中的挑战 LasHeR由1224个可见和热红外视频对组成，总共有730K帧对。 每个帧对在空间上对齐，并使用边界框手动注释，从而使数据集具有良好且密集的注释。 LasHeR的捕获范围非常广泛，可以涵盖四季，天气，白天和黑夜的各种物体类别，摄像机视点，场景复杂性和环境因素。 由现实世界的应用程序引发的数据创建过程中考虑了一些新的挑战。 LasHeR与公开RGBT数据集的比较 数据集文件结构 顺序├─红外线│────i
OSTrack视频单目标跟踪
core815的专栏
10-30 2248
对于一个输入视频，只需在第一帧图像中用矩形框指定待跟踪目标，单目跟踪算法将在整个视频帧中持续跟踪该目标，输出跟踪目标在所有图像帧中的矩形框信息。
OSTrack(ECCV22)+NeighborTrack
weixin_44062176的博客
03-05 2863
Tracking任务，SOT
clip预训练好的模型下载地址，github上扒的
qq_36797410的博客
09-28 1万+
clip预训练文件下载地址
2、下载预训练模型并进行迁移学习
抄而不思则废
06-30 5156
相关文件下载地址： 链接：https://pan.baidu.com/s/1iBvOLAUamBTd70xRf5m2Ag 提取码：5bt7
RGBT跟踪 LasHeR toolkit 配置 画数据集挑战子图 Matlab
yjy123nn的博客
03-02 1623
LasHeR 评估子图
目标跟踪之ICCV2021 Learning Spatio-Temporal Transformer for Visual Tracking代码复现
qq_40199447的博客
09-18 3677
代码地址：https://github.com/researchmm/Stark 配置环境 conda create -n stark python=3.6 conda activate stark bash 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
关于RGBT目标跟踪LasHeR数据集中的一些错误
keke12345666的博客
07-06 831
在使用LesHeR数据集时，发现总是会中断，数据集报错，然后使用了一些笨办法，找出来了相关错误，有问题的数据如下。advancedredcup错误为infrared.txt和visible.txt数据仅有16个，但有图片1411张；cameraman_1202中缺少visible.txt,且infrared.txt中的值均为0；mirroratleft中缺少infrared.txt，且visible.txt数据存在异常。blueboy85中visible有3张图片错误，如下图；
CVPR'23｜ViPT：多模态单目标跟踪算法新SOTA！
CV_Autobot的博客
04-07 5364
作者|GlobalTrack 编辑| 极市平台点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心【目标跟踪】技术交流群后台回复【目标跟踪综述】获取单目标、多目标、基于学习方法的领域综述！导读本文设计了一个可以用于RGB-D，RGB-T和RGB-E跟踪的视觉提示追踪框架。在提示器帮助下，现有的基础模型可以有效地从RGB域适应下游多模态跟踪任务。论文链接...
vipt ppt
03-16
### 关于VIPT的相关资料 在Linux学习资料中，涵盖了多种类型的资源，包括视频、电子书以及PPT等[^1]。然而，在这些资料的具体分类中并未明确提及关于VIPT（Virtually Indexed Physically Tagged）缓存结构的PPT文档。如果需要深入研究VIPT技术，可以从处理器架构的角度出发。 对于VIPT的应用场景和技术细节，通常会在CPU缓存设计部分涉及。例如某款处理器采用VIPT的方式组织其L1数据缓存，具体参数如下：L1 Dcache容量为64KB，采用4-way组相联形式，并通过ECC进行校验[^3]。这类技术背景可能存在于高级计算机体系结构课程或者特定芯片的技术白皮书中。 以下是获取VIPT相关PPT资料的一些建议方法： #### 方法一：搜索引擎关键词检索 可以通过主流学术搜索引擎输入精确匹配的关键字组合来查找目标文件。“VIPT cache organization ppt” 或者 “virtually indexed physically tagged presentation slideshare”，这样能够定位到公开分享的学习材料。 #### 方法二：查阅官方文档或开源项目说明 某些硬件厂商会发布详细的开发者指南，其中包含了有关内存子系统的实现原理图解。比如ARM Cortex系列手册里就有提到不同版本间TLB与Cache配置差异之处[^4]。另外像Linux kernel源码目录下也可能附带一些解释性备注帮助理解底层机制变化[^2]。 #### 示例代码片段展示如何解析ELF格式程序加载地址映射关系以便更好地掌握虚拟索引物理标记概念： ```c #include <stdio.h> #include <elf.h> void analyze_elf(const char *filename){ FILE* f = fopen(filename, "rb"); Elf64_Ehdr ehdr; fread(&ehdr,sizeof(ehdr),1,f); printf("Entry point address: %lx\n", ehdr.e_entry); fclose(f); } int main(){ const char filename[]="testprogram"; analyze_elf(filename); return 0; } ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值