CVPR2021跟踪算法TransT的配置（Transformer Tracking）

1、论文下载地址

TransT: Transformer Tracking.[paper]

2、代码下载地址

https://github.com/chenxin-dlut/TransT

3、建立虚拟环境并激活

conda create -n TransT python=3.7
conda activate TransT

4、安装pytorch和torchvision

pip install torch===1.4.0 -f https://download.pytorch.org/whl/torch_stable.htmlpip install torchvision===0.5.0 -f https://download.pytorch.org/whl/torch_stable.html

5、安装依赖库

pip install matplotlib pandas tqdm
pip install opencv-python tb-nightly visdom scikit-image tikzplotlib gdown
pip install cython scipy
sudo apt-get install libturbojpeg
pip install pycocotools jpeg4py
pip install wget yacs
pip install shapely==1.6.4.post2

7、配置预训练模型

工程路径下新建pytracking/networks路径，下载预训练模型放入此路径。模型下载地址：

百度网盘请输入提取码，密码：iiau

8、添加环境变量

export PYTHONPATH=<path_of_TransT>:$PYTHONPATH

9、生成配置文件

在工程路径下运行如下代码：

# Environment settings for pytracking. Saved at pytracking/evaluation/local.py
python -c "from pytracking.evaluation.environment import create_default_local_file; create_default_local_file()"# Environment settings for ltr. Saved at ltr/admin/local.py
python -c "from ltr.admin.environment import create_default_local_file; create_default_local_file()"

运行之后，会生成pytracking/evaluation/local.py和ltr/admin/local.py两个配置文件。

10、打开pysot_toolkit/test.py，添加预训练模型路径和OTB数据集路径，

11、通过pysot工具运行代码

python -u pysot_toolkit/test.py --dataset OTB --name 'transt'

遇到错误1：

FileNotFoundError: [Errno 2] No such file or directory: '/data3/publicData/Datasets/OTB/OTB2015/OTB.json'

错误原因：pysot是通过json来读取图像序列的，这个json文件给出来每一张图片的路径，而OTB数据集没有提供。

解决方法：

1）下载json文件

链接：https://pan.baidu.com/s/1lwoOQL5t7p8ll61TyHFOqA
提取码：b3w8
2）将下载的json放到pysot_toolkit路径下

3）打开TransT-main/pysot_toolkit/toolkit/datasets/otb.py更改如下：

将87行

with open(os.path.join(dataset_root, name+'.json'), 'r') as f:

更改为：

with open(os.path.join('pysot_toolkit/testing_dataset', name+'100.json'), 'r') as f:

遇到错误2：

AssertionError: /data3/publicData/Datasets/OTB/OTB2015/Human4-2/img/0001.jpg

错误原因：

OTB数据集和json给出的Human4序列路径格式不对应

解决方法：

方法一：更改OTB数据集路径（不推荐）

方法二：将OTB100.json文件中的Human4-2改为Human4.

打开OTB100.json，Ctrl+R替换，除了最开始的第一个以外，其余全部替换

同理，将Jogging-1和Jogging-2，替换成Jogging

将Skating2-1和Skating2-2，替换成Skating2

注意所有操作都不要替换第一个，否则Jogging-1和Skating2-1的结果将会被覆盖！！！

12、再次运行成功

CVPR2021跟踪算法TransT的配置（Transformer Tracking）相关推荐

CVPR2021跟踪算法STMTrack的配置（Template-free Visual Tracking with Space-time Memory Networks）
1.论文下载地址 STMTrack: Template-free Visual Tracking with Space-time Memory Networks CVPR (2021). [paper ...
PAMI2018跟踪算法HCFTstar的配置（Robust Visual Tracking via Hierarchical Convolutional Features）
文章和代码下载地址: HCFTstar: Chao Ma, Jia-Bin Huang, Xiaokang Yang, Ming-Hsuan Yang. "Robust Visual Tra ...
CVPR2018跟踪算法VITAL的配置（VITAL: VIsual Tracking via Adversarial Learning）
工程介绍地址: VITAL 代码下载地址: https://github.com/ybsong00/Vital_release 一.跟踪测试 1.运行compile_matconvnet.m编译mat ...
CVPR2016跟踪算法Staple的配置（Staple: Complementary Learners for Real-Time Tracking）
代码下载地址: https://github.com/bertinetto/staple 由于Staple运行需要特定的数据格式,本文把原工程目录runTracker.m简单修改便于测试,改动不大. ...
PAMI2012跟踪算法TLD的配置（Tracking-learning-detection）
代码下载地址: https://github.com/zk00006/OpenTLD 1.打开compile.m更改OpenCV路径 2.运行compile.m 可能遇到错误: 原因:OpenCV版本 ...
OTB数据集和VOT数据集融合跟踪算法接口示例
OTB数据集和VOT数据集自己存数据接口参考代码: 一.OTB数据集(不使用tracker_benchmark_v1.0) 1.OTB数据结果最基本的格式 type为目标框类型: res为目标框的所在 ...
跟踪算法基准--Tracking the Trackers: An Analysis of the State of the Art in Multiple Object Tracking
Tracking the Trackers: An Analysis of the State of the Art in Multiple Object Tracking https://arxiv ...
目标跟踪算法五：MDNet: Learning Multi-Domain Convolutional Neural Networks for Visual Tracking
目标跟踪算法五:MDNet: Learning Multi-Domain Convolutional Neural Networks for Visual Tracking 原文:https://zh ...
目标跟踪算法三：Modeling and Propagating CNNs in a Tree Structure for Visual Tracking (VOT2016冠军)
目标跟踪算法三:Modeling and Propagating CNNs in a Tree Structure for Visual Tracking (VOT2016冠军) 文章链接:https ...

CVPR2021跟踪算法TransT的配置（Transformer Tracking）

CVPR2021跟踪算法TransT的配置（Transformer Tracking）相关推荐

最新文章

热门文章