学习 PySOT1

---

前言

PySOT是商汤（SenseTime视频智能研究团队）开源的目标跟踪库，实现了最新的单目标跟踪算法，主要包含： SiamRPN、SiamMask。使用Python编写的，基于Pytorch深度学习框架。该软件系统还包含了评估跟踪算法的Python工具箱断开。
开源链接：https://github.com/STVIR/pysot
为什么叫 PySOT？
网上有人解释：Python/PyTorch + Single Object Tracking 的组合。
PySOT的目标是为视觉跟踪研究提供高质量，高性能的代码库。可以支持快速实施和评估新研究的跟踪算法。

一、PySOT介绍

PySOT包括跟踪算法有：SiamFC、SiamRPN、DaSiamRPN、SiamRPN++、SiamMask
使用的网络结构有：ResNet{18, 34, 50}、MobileNetV2和AlexNet
评估工具包可支持的数据集有：OTB2015 、VOT16/18/19 、 VOT18-LT、 LaSOT、 UAV123
现在PySOT里包含了Python版的评测工具，包含VOT的baseline EAO测试，以及OTB，UAV123，LaSOT，NFS等OPE测试的评测。这里需要强调的是VOT的reset测试，项目里重新包装了vot-toolkit里的overlap计算方式，即跑出来的结果和vot-toolkit的EAO是一致的。

提供了大量的基准结果和经过训练的模型，可在 PySOT Model Zoo中下载。
PySOT Model Zoo 介绍
该文件记录了使用pysot训练的大量基线。这些基准的所有配置都位于PySOT\experiments目录中。
下表提供了有关推理的结果。

注意：
速度测试是在显卡GTX-1080Ti上进行的
alex表示AlexNet，r50_lxyz表示ResNet-50中第x、y和z阶段的输出，mobilev2表示MobileNetV2。
dwxcorr表示深度互相关。请参见SiamRPN
++论文第3.4节中的更多内容。
后缀otb和lt是针对OTB和VOT长期跟踪挑战而设计的，默认值（无后缀）是针对VOT短期跟踪挑战而设计的。
以上所有模型都在与DaSiamRPN相同的VID，YoutubeBB，COCO，ImageNetDet上进行了训练。
模型下载，官方百度云https://pan.baidu.com/s/1GB9-aTtjG57SebraVoBfuQ，提取码：j9yb

二、PySOT配置

1.引入库

1. 文件准备（附：所有百度云链接）
   PySOT 工程文件下载
   PySOT Model Zoo
   模型下载，提取码：j9yb （下载模型注意事项：
   下载好预训练模型之后，不要直接用PySOT中的文件夹替换experiments里文件夹，要使用pysot源码的中提供的config.yaml文件，
   不然会报错—KeyError: ‘Non-existent config key: BACKBONE.LAYERS’）
   下载测试数据集的Json，百度云
   下载数据集并将其放入testing_dataset目录
   数据集下载：
   OTB2015，百度云https://pan.baidu.com/s/1mGrfVPXs7yz16vCBRwDurA，密码：faqb
   VOT16/18/19，百度云https://pan.baidu.com/s/1co6NSk3imqhLWfq3H1ek1A，密码：bs6g
   VOT18-LT，百度云https://pan.baidu.com/s/1yzq81FrqRILqzzfKbmj8Tw，密码：2kqi
   LaSOT，百度云https://pan.baidu.com/s/1UbcQIU-Fpps7Jqq4WHRRkA，密码：227G
   UAV123，百度云https://pan.baidu.com/s/1OAUG8IrdqTRpGbK4Nv-bhA，密码：vp4r

2.环境配置

PySOT环境配置要求：

• Conda with Python 3.7
• Nvidia GPU.
• PyTorch 0.4.1
• yacs
• pyyaml
• matplotlib
• tqdm
• OpenCV
• 分步说明：
  1.创建环境、激活：（在Anaconda Prompt 命令窗口下）
  conda create --name pysot python=3.7
  conda activate pysot

2.安装 numpy/pytorch/opencv等：
conda install numpy
conda install pytorch=0.4.1 torchvision cuda90 -c pytorch
pip install opencv-python
pip install pyyaml yacs tqdm colorama matplotlib cython tensorboardX
如果安装过pytorch，不用再安装pytorch。
若安装慢，可使用清华镜像源，建议使用anaconda3.7，安装的一般都会换清华源，这样下载各种库相对也快很多，换清华源那个-c pytorch不需要。

在Pycharm中PySOT使用

1.配置环境，运行demo
进入pycharm，导入pysot，进入settings（设置）->project: pysot->project interpreter 指定python的解释器（我使用的是之前安装好的pytorch python3.7）。点击右边齿轮来添加。
接下来，在run->edit configurations （编辑配置）下添加参数（无摄像头）：
–config
…/experiments/siamrpn_alex_dwxcorr/config.yaml
–snapshot
…/experiments/siamrpn_alex_dwxcorr/model.pth
–video
…/demo/bag.avi
有摄像头：
–config
…/experiments/siamrpn_alex_dwxcorr/config.yaml
–snapshot
…/experiments/siamrpn_alex_dwxcorr/model.pth
这里的路径是以你在 "Script Path"栏中选定的python文件为准。这样就会使用 …/demo/bag.avi 中的视频进行；而如果你希望使用摄像头来进行验证，将 “–video …/demo/bag.avi” 一行去掉即可

需要我们手动画框，空格或者回车运行。