PyTracking配置

一、环境配置及测试

参考 pytracking系列跟踪算法的配置（LWL, KYS, PrDiMP, DiMP and ATOM Trackers）（Ubuntu版本）-优快云博客

几个注意事项

1、python版本选择了3.7，torch版本选择了1.7.0。之前尝试了python=3.9，torch=1.13.0，后来各个库之间出现了版本冲突，舍弃了。

2、安装pytorch使用conda安装

3、即使用conda安装torch也会报错RuntimeError: Error building extension '_prroi_pooling'

解决办法为添加环境变量

vim ~/.bashrc

export CUDA_HOME=/usr/local/cuda-11.1

source ~/.bashrc

4、需要运行可视化服务器，否则会报错

二、训练模型

1、默认的是coco2014，服务器里存的是2017，把/ltr/dataset/coco.py和coco_seq.py里的version从2014改为2017

三、训练HOT数据集

1、在/ltr/dataset/__init__.py中添加

from .hot_false import HOT_False

2、在/ltr/dataset/中仿照Got10K处理方式，创建hot_false.py

3、修改 /ltr/train_settings/bbreg/atom.py

Train dataset s中将其它数据集注释掉，添加 hot_false_train = HOT_False(settings.env.hot_false_dir, split='train')

Validation datasets 中 hot_false_val = HOT_False(settings.env.hot_false_dir, split='test')

dataset_train、dataset_val 中只保留一个训练集

backbone_pretrained 可以设为False

settings.batch_size 由默认64改为1024

加入代码块以开启多卡训练

from ltr import MultiGPU

settings.multi_gpu = True

if settings.multi_gpu:

        net = MultiGPU(net, dim=1)

三、测试

1、把保存的 checkpoint 文件复制到 /pytracking/networks/ 中

2、修改 /pytracking/parameter/atom/default.py 中加载的权重文件名称

3、在 /pytracking/evaluation/datasets.py 中加入 hot_false

4、在 /pytracking/evaluation/ 中新建一个 hot_falsedataset.py

5、修改 /pytracking/utils/load_text.py，加入适用于 HOT_False 和 HOT 数据集的函数

6、在 HOT 的一个序列上测试，并可视化跟踪结果

运行 python -m visdom.server

运行 python pytracking/run_tracker.py atom default --runid 1 --dataset_name hot_false --sequence ball --debug 1 --threads 0

7、在 HOT 的全部序列上逐个可视化

在 /pytracking/experiments/myexperiments.py 中添加

def atom_hot_false()

运行 python pytracking/run_experiment.py myexperiments atom_hot_false --runid 1 --debug 1 --threads 0

8、绘图

要先运行 run_tracker.py 或 run_experiment.py，这里 debug=0，用来保存结果

根据 /pytracking/notebooks/analyze_results.ipynb 在 /pytracking/ 下创建 run_analyze.py

注意 runid 的设置，以对应到某一个具体的保存路径下

结果包含三部分：一个精度表、一个precision曲线、一个success曲线（结果是随便训的，以便快速得到结果）