PySOT – 实现多个单目标跟踪

发表于 2019年05月18日
人工智能

目录表

PySOT介绍

PySOT是由SenseTime(商汤科技)视频情报研究团队设计的软件系统。它实现了最先进的单一对象跟踪算法，包括SiamRPN和SiamMask。它是用Python编写的，由PyTorch深度学习框架提供支持。该项目还包含用于评估跟踪器的Python工具包接口。

PySOT的目标是为视觉跟踪研究提供高质量，高性能的代码库。它旨在灵活，以支持新颖研究的快速实施和评估。

PySOT包括以下视觉跟踪算法的实现

PySOT使用以下骨干网络架构(backbone)

PySOT提供的评估工具支持如下数据集

模型动物园和基线

我们提供了大量基线结果和训练模型，PySOT Model Zoo。

PySOT安装

请在INSTALL.md中找到PyTorch和PySOT的安装说明。

PySOT使用

将PySOT添加到您的PYTHONPATH中

1	export PYTHONPATH=/path/to/PySOT:$PYTHONPATH

下载模块

在PySOT Model Zoo中下载模型，并将model.pth放在实验中的正确目录中

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)

下载测试数据集

下载数据集并将它们放入testing_dataset目录，请参考pysot-toolkit来设置

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

测试结果目录（results/dataset/model_name/）

Eval跟踪器

假设仍在实验中/siamrpn_r50_l234_dwxcorr

python ../../tools/eval.py \

--tracker_path ./results \ # result path