欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

学习 PySOT(1)(介绍、配置、使用)

程序员文章站 2022-03-15 15:02:44
文章目录前言一、 PySOT介绍二、 PySOT配置1. 文件准备(附:所有百度云链接)2. 环境配置三、 PySOT使用总结前言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:P....


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。


一、 PySOT介绍

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。

  1. PySOT包括跟踪算法有:SiamFC、SiamRPN、DaSiamRPN、SiamRPN++、SiamMask
  2. 使用的网络结构有:ResNet{18, 34, 50}、MobileNetV2和AlexNet
  3. 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。
学习 PySOT(1)(介绍、配置、使用)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,提取码:j9yb

二、 PySOT配置

1. 文件准备(附:所有百度云链接)

  1. PySOT 工程文件下载
  2. 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’)
  3. 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
  4. 数据集下载:
    OTB2015,百度云,密码:faqb
    VOT16/18/19,百度云,密码:bs6g
    VOT18-LT,百度云,密码:2kqi
    LaSOT,百度云227G
    UAV123,百度云,密码:vp4r

2. 环境配置

PySOT环境要求

* 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

pip3 install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple
pip3 install matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple
pip3 install ***/torch-1.0.0-cp37-cp37m-win_amd64.whl (torch的完整路径)
pip3 install torchvision==0.2.0 (一定要指定torchvision的版本,否则会出错)
pip3 install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple
pip3 install pyyaml yacs tqdm colorama cython tensorboardX -i https://pypi.tuna.tsinghua.edu.cn/simple

三、 PySOT使用

1. 尝试先在Anaconda Prompt 命令窗口下运行demo.py

直接输入一下命令:

python tools/demo.py --config experiments/siamrpn_r50_l234_dwxcorr/config.yaml     --snapshot experiments/siamrpn_r50_l234_dwxcorr/model.pth --video demo/bag.avi

会出现:ModuleNotFoundError: No module named ‘pysot’
学习 PySOT(1)(介绍、配置、使用)1.1 根据pysot的说明,需要配置环境变量。
官方给出配置命令:

export PYTHONPATH=/path/to/pysot:$PYTHONPATH

直接输入,问题依旧存在。
解决方法:
在Ubuntu环境下,依旧使用该命令,但是需要将/path/to/pysot换到自己的文件路径即可。
例如:

export PYTHONPATH=~/Mycode/pythoncode/pysot:$PYTHONPATH

在Windows环境,无export 命令需要改为:

set PYTHONPATH=%PYTHONPATH%;F:\PySOT

F:\PySOT修改为自己的文件路径,运行即可解决问题。

1.2 输入代码,运行demo.py

python tools/demo.py --config experiments/siamrpn_r50_l234_dwxcorr/config.yaml     --snapshot experiments/siamrpn_r50_l234_dwxcorr/model.pth --video demo/bag.avi

出现:

学习 PySOT(1)(介绍、配置、使用)学习 PySOT(1)(介绍、配置、使用)

Select a ROI and then press SPACE or ENTER button!
Cancel the selection process by pressing c button!

需要我们手动画框,空格或者回车运行。
如下图所示:
学习 PySOT(1)(介绍、配置、使用)
学习 PySOT(1)(介绍、配置、使用)

2. 在pycharm下使用PySOT

2.1 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。

我使用的是,汉化的版本。如何感兴趣,可以查看:2020版本的pycharm支持官方汉化了。自己设置汉化。
学习 PySOT(1)(介绍、配置、使用)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

学习 PySOT(1)(介绍、配置、使用)学习 PySOT(1)(介绍、配置、使用)脚本路径和参数设置好后,运行程序demo.py:
学习 PySOT(1)(介绍、配置、使用)
需要我们手动画框,空格或者回车运行。
2.2 配置环境,运行test.py
第一步,配置数据集,以OTB100为例。
参考官方pysot-toolkit

  1. 将CVRP13.json,OTB100.json,OTB50.json放在OTB100数据集目录中(您需要将Jogging复制到Jogging-1和Jogging-2,并将Skating2复制到Skating2-1和Skating2-2或使用软链接)
    注:Jogging和Skating2都是两个目标,在OTB Benchmark
    学习(下载链接、评价指标、配置)
    中有专门说明。
    目录应采用以下格式:
 | -- OTB100/

​ | -- Basketball

​ | ......

​ | -- Woman

​ | -- OTB100.json

​ | -- OTB50.json

​ | -- CVPR13.json 

学习 PySOT(1)(介绍、配置、使用)
2. 如1一样,将所有其他json放入数据集目录中。

为什么将Jogging复制到Jogging-1和Jogging-2 ?
学习 PySOT(1)(介绍、配置、使用)其实,打开OTB100.json文件可以看到有Jogging-1和Jogging-2两个目录,但是实际的OTB100数据集中Jogging和Skating2有两个groundtruth_rect.txt,所以需要上述操作。

在VOT2016和VOT2018数据集也需要类似的操作,将VOT2016.json和VOT2018.json文件打开后,分别对照数据集看看,需要复制文件夹的复制,需要改名的直接改名即可。

第二步,运行setup.py,生成build文件夹

我感觉在运行setup.py的主要原因是出现错误:

ImportError: cannot import name region

问题解决,

  1. 在Anaconda Prompt 命令窗口需要运行

    python setup.py build_ext —-inplace

  2. 可以直接在pycharm环境下setup.py运行。
    运行的配置如下:
    学习 PySOT(1)(介绍、配置、使用)

第三步,配置text.py

打开菜单栏Run(运行)–>Edit configurations(编辑配置)
学习 PySOT(1)(介绍、配置、使用)在参数中,添加代码:

--snapshot
../experiments/siamrpn_alex_dwxcorr/model.pth
--dataset
OTB100
--config
../experiments/siamrpn_alex_dwxcorr/config.yaml

点击OK(确定),运行test.py
学习 PySOT(1)(介绍、配置、使用)运行过程出现错误:

AssertionError: F:\zwb\PySOT\tools\../testing_dataset\OTB100\Human4-2/img/0001.jpg

解决方法:
将Human4文件夹,修改为:Human4-2

可以在Run–>Edit configurations,参数上修改OTB100为VOT2016、VOT2018或其他,运行程序test.py。
会将测试结果保存在./tools/results下面,后面的评估需要测试结果。

2.3 配置环境,运行eval.py
根据运行test.py的测试OTB100数据集结果model,进行评估
学习 PySOT(1)(介绍、配置、使用)
打开菜单栏Run(运行)–>Edit configurations(编辑配置)
学习 PySOT(1)(介绍、配置、使用)在参数中,添加代码:

--tracker_path
../tools/results
--dataset
OTB100
--num
1
--tracker_prefix
model
--show_video_level

点击OK(确定),运行eval.py
学习 PySOT(1)(介绍、配置、使用)
注意:数据集OTB100可以根据实际测试进行修改。


大家如果觉得有帮助的话,点个赞哦!

上一篇:OTB Benchmark 学习(下载链接、评价指标、配置)
下一篇:学习 PySOT(2)(PySOT-toolkit、对比、画图)

本文地址:https://blog.csdn.net/weixin_42495721/article/details/110732592