目标跟踪数据集GOT-10k的配置

官方主页：

GOT-10k: Generic Object Tracking Benchmark

论文下载：

GOT-10k: A Large High-Diversity Benchmark for Generic Object Tracking in the Wild

数据集百度云下载：

链接：https://pan.baidu.com/s/1urKKMJYTtGLc0CmxhcnXiQ
提取码：nzy8

官方toolkits下载：

python版本

https://github.com/got-10k/toolkit

matlab版本

https://github.com/got-10k/toolkit-matlab

25个对比算法结果下载：

跟踪结果文件

评价结果文件

一、配置python版本的toolkit

注：本配置在windows 10系统下进行。

1、查看需要安装的库

打开requirements.txt，可以看到我们需要安装的库如下：

cycler==0.10.0
kiwisolver==1.0.1
matplotlib==3.0.2
numpy==1.15.4
Pillow==6.2.0
pyparsing==2.3.0
python-dateutil==2.7.5
Shapely==1.6.4.post2
six==1.11.0

把倒数第二行的Shapely==1.6.4.post2删除，可能是因为python版本的原因，直接安装的Shapely库会导致缺一些库包。所以需要分开安装。

1、cmd进入toolkit目录，安装所需要的requirements.txt中的库文件

#进入路径
cd E:\Codes\MATLAB\Experiments\GOT-10k\toolkit-master\toolkit-master
#安装库
pip install requirements.txt

2、安装Shapely库

手动下载地址：https://www.lfd.uci.edu/~gohlke/pythonlibs/#shapely

下载对应版本

pip安装

pip install Shapely-1.7.0-cp37-cp37m-win_amd64.whl

3、pycharm新建toolkit工程

在工程路径下，新建drawfigure.py

4、GOT-10k是通过官方网站给的.json结果画图的，drawfigure.py代码如下：

from got10k.experiments import ExperimentGOT10k# 评价结果所在路径
report_files = ['E:/Codes/MATLAB/Experiments/GOT-10k/reports_GOT-10k_25_entries''/performance_25_entries.json']# 选择要作图的跟踪器名称
tracker_names = ['SiamFCv2', 'GOTURN', 'CCOT', 'MDNet']# 设置实验参数
experiment = ExperimentGOT10k('G:/datasets/GOT-10k/full_data/test_data', subset='test')# 作图
experiment.plot_curves(report_files, tracker_names)

5、运行drawfigure.py得到success图

结果图在工程目录\reports\GOT-10k\SiamFCv2\路径下，

二、评价自己的跟踪器

以matlab代码为例，

1、matlab toolkit下载

https://github.com/got-10k/toolkit-matlab

2、将toolkit-matlab-master\examples\quick_examples.m拷贝到toolkit-matlab-master\got10k\quick_examples.m

3、打开拷贝后的quick_examples.m，更改数据集路径

4、打开 toolkit-matlab-master\got10k\trackers\identity_tracker.m配置自己的算法XXXX

注：传递进来的参数第一个img_files表示图像序列，box表示第一帧目标框位置，返回的是所有序列的跟踪结果，和每一帧的运算时间

4、运行 quick_examples.m得到跟踪结果，路径\toolkit-matlab-master\got10k\results\GOT-10k\

5、进入官网

GOT-10k: Generic Object Tracking Benchmark

使用学校邮箱注册账号，然后将第4步骤生成的.zip压缩包结果提交，注意：每个跟踪器只能提交结果不超过四次，所以不能通过结果反馈来调节参数，提前将参数设定好。

6、查看结果

将上图中的reports.json下载后，再通过python toolkit画success图