文章目录

前言
一、pysot-toolkit准备工作
- 1.所需环境要求
- 2.文件配置
- 3.运行配置（对比算法）
二、安装latex软件(win10系统)
- 1.安装MiKTeX
- 2.安装TexMaker
- 3.配置TexMaker
- 4.配置MiKTeX
三、运行eval.py画图
- 1. 修改eval.py参数，运行
- 2. 常见问题解决

前言

pysot-toolkit是基于PySOT的工具，此存储库的目的是提供当前单个对象跟踪数据集的评估API，包括：

VOT2016VOT2018VOT2018-LTOTB100(OTB2015)UAV123NFSLaSOTTrackingNet (Evaluation on Server)GOT-10k (Evaluation on Server)

关于PySOT的配置和使用，请参考:学习 PySOT(1)（介绍、配置、使用），下面的操作都是在PySOT的基础上做的。

一、pysot-toolkit准备工作

1.所需环境要求

 tqdm
numpy
glob
opencv-python
colorama
numba

对应的安装命令：（在Anaconda Prompt 命令窗口下）

pip install tqdm
conda install numpy
pip install glob2
pip install opencv-python
pip install colorama
pip3 install --user numba

建议安装完，重启一下电脑。

2.文件配置

第一步，配置数据集，以OTB100为例。
参考官方pysot-toolkit

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

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 ？
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，配置算法运行结果，以OTB100数据集为例。

OTB100的txt跟踪结果，百度云，提取码：t713

解压配置，路径：

3.运行配置（对比算法）

运行，该配置前，我们先看看官方要求。

git clone https://github.com/StrangerZhang/pysot-toolkit
pip install -r requirements.txt
cd pysot/utils/
python setup.py build_ext --inplace
# if you need to draw graph, you need latex installed on your system

1.git clone https://github.com/StrangerZhang/pysot-toolkit
下载pysot-toolkit，已完成。
2.pip install -r requirements.txt
安装包，已完成。
3.cd pysot/utils/
python setup.py build_ext --inplace
运行setup.py，生成build。
4.# if you need to draw graph, you need latex installed on your system
＃如果需要绘制图形，则需要在系统上安装latex
这一步，我们先不安装latex ，后续再安装。安装比较麻烦。这也影响画图。

第一步，运行setup.py，生成build文件夹

可以直接在pycharm环境下setup.py运行。
运行的配置如下：

注意，工作目录。

运行完，结果：

第二步，配置eval.py参数

我们先看看，官方要求：以OTB100为例

cd /path/to/pysot-toolkit
python bin/eval.py \--dataset_dir /path/to/dataset/root \       # dataset path--dataset OTB100 \                # dataset name(OTB100, UAV123, NFS, LaSOT)--tracker_result_dir /path/to/tracker/dir \   # tracker dir--trackers SiamRPN++ C-COT DaSiamRPN ECO  \  # tracker names --num 4 \                   # evaluation thread--show_video_level \                 # wether to show video results--vis                         # draw graph

其中：
–dataset_dir /path/to/dataset/root
为数据集的路径。
–tracker_result_dir /path/to/tracker/dir
为算法测试结果路径
–num 4
评估线程
–show_video_level
显示视频结果的方式
–vis
绘制图形，注意，这个是画图的，没安装latex ，一定要去掉。不然会出现：

RuntimeError: Failed to process string with tex because latex could not be found

根据实际情况，打开菜单栏Run（运行）–>Edit configurations（编辑配置）

在参数中，添加代码：

--dataset_dir
../pysot/datasets/OTB100
--dataset
OTB100
--tracker_result_dir
../results/OTB100
--trackers
SiamRPN
DaSiamRPN
SiamFC
--num
3
--show_video_level

点击OK（确定），运行eval.py

如何加上–vis ，运行结果呢？

二、安装latex软件(win10系统)

一开始，在网上寻找使用conda或者pip安装latex包都没有用，不清楚为什么，后续查询需要额外安装软件 (win10系统)。
找了好久，在，RuntimeError: Failed to process string with tex because latex could not be found，网址，有相关介绍。
Ubuntu安装，建议参考，其他人的博客，安装方式类似，配置环境略有不同。

1.安装MiKTeX

官网下载地址：https://miktex.org/download
一步一步点击安装即可。

2.安装TexMaker

官网下载地址：https://www.xm1math.net/texmaker/download.html
一步一步点击安装即可。安装后，需要配置TexMaker软件。
下载TexMaker软件很慢，还容易失败，我自己都下载了一晚上。
附上百度云链接吧。
百度云，提取码：n84c

3.配置TexMaker

选项——>配置TexMaker

配置命令：

配置编辑器

4.配置MiKTeX

需要配置MiKTeX，如不配置，运行可能出现如下错误：出现后，手动点击Install，也能解决问题，就是太慢了。

第一步，打开MiKTeX，如下图选择

第二步，手动安装软件包。单击Settings以导航到设置页面，单击General选项卡，选择change:

如下图选择：

第三步，更新MiKTeX安装包:

单击Updates以导航到更新页面，单击Check for Updates以搜索可更新的程序包。如下图所示：

几秒钟后，您将看到一个类似于以下的窗口，单击Update now以开始安装更新。

配置完，必须重启电脑

三、运行eval.py画图

1. 修改eval.py参数，运行

根据实际情况，打开菜单栏Run（运行）–>Edit configurations（编辑配置）

在参数中，添加代码：

--dataset_dir
../pysot/datasets/OTB100
--dataset
OTB100
--tracker_result_dir
../results/OTB100
--trackers
SiamRPN
DaSiamRPN
SiamFC
SiamDWfc
--num
3
--show_video_level
--vis

点击OK（确定），运行eval.py

2. 常见问题解决

1.若出现，如下图所示，可能MiKTeX没有安装好，或者配置好。

2.若出现以下问题：
TimeoutError: Lock error: Matplotlib failed to acquire the following lock file:
C:\Users\Administrator.matplotlib\tex.cache\1f182d9bede4c9cd7c73d0968523a788.tex.matplotlib-lock
This maybe due to another process holding this lock file. If you are sure no
other Matplotlib process is running, remove this file and try again.
解决方法：
第一步，在Anaconda Prompt 命令窗口下，终端python 的环境下，
输入：

import matplotlib
print(matplotlib.matplotlib_fname())

如下图所示：

获得matplotlibrc文件的路径：D:\Anaconda3\Lib\site-packages\matplotlib\mpl-data\matplotlibrc

第二步，安装SimHei.tff
百度上很多下载链接，下载后，并前往指定目录:D:\Anaconda3\envs\pytorch12gpu\Lib\site-packages\matplotlib\mpl-data\fonts\ttf，将下载好的SimHei移动到该目录下。

第三步，删除matplotlib的缓冲目录
先找到，matplotlib的缓冲目录
输入：

import matplotlib
matplotlib.get_cachedir()

目录在C:\Users\Administrator中，

清空缓冲目录里面的文件，删除 C:\Users\Administrato.matplotlib文件

第四步，修改matplotlibrc文件

修改D:\ProgramData\Anaconda3\lib\site-packages\matplotlib\mpl-data 里面的matplotlibrc文件，修改如下：

font.family : sans-serif
font.sans-serif : SimHei, Bitstream Vera Sans, Lucida Grande, Verdana, Geneva, Lucid, Arial, Helvetica, Avant Garde, sans-serif
axes.unicode_minus，将True改为False，作用就是解决负号'-'显示为方块的问题

实际修改，如下图：

重启电脑。

运行eval.py。
出现结果：

整理不易，喜欢点赞。

上一篇：学习 PySOT(1)（介绍、配置、使用）

学习 PySOT(2)（PySOT-toolkit、对比、画图）相关推荐

【深度学习】Swin-Transformer和EfficientNet对比分析
[深度学习]Swin-Transformer和EfficientNet对比分析文章目录 1 概述 2 算法解析2.1 Speed2.2 EfficientNet v2算法详解2.3 渐进学习 3 E ...
斯坦福CS231n 2017最新课程：李飞飞详解深度学习的框架实现与对比
斯坦福CS231n 2017最新课程:李飞飞详解深度学习的框架实现与对比 By ZhuZhiboSmith2017年6月19日 13:37 斯坦福大学的课程 CS231n (Convolutio ...
再谈对比学习：更好的对比样本选择，更好的对比效果
©PaperWeekly 原创 · 作者 | 张琨学校 | 中国科学技术大学博士生研究方向 | 自然语言处理在之前的介绍中,我们对自监督学习(SSL)中的对比学习(CL)进行了简单介绍,然后针对 ...
数据库学习之多种数据库横向对比
数据库学习之多种数据库横向对比前言横向对比区别分析 MySQL PostgreSQL Oracle SqlServer 其他技术分析获取数据库(database) 获取约束(schema) ...
传统情感分类方法与深度学习的情感分类方法对比
标注:本博客是参考论文有<传统情感分类方法与机遇深度学习的情感分类方法对比分析>.<自然语言处理中的深度学习:方法及应用> 情感分类是自然语言处理的重要分支,传统情感分类主要有 ...
深度学习目标检测网络汇总对比,挺好的
深度学习目标检测网络汇总对比本文总阅读量次欢迎star我的博客 2019-01-03 参考 :https://medium.com/@jonathan_hui/object-detection-s ...
【自然语言处理】【对比学习】SimCSE：基于对比学习的句向量表示
相关博客: [自然语言处理][对比学习]SimCSE:基于对比学习的句向量表示 [自然语言处理]BERT-Whitening [自然语言处理][Pytorch]从头实现SimCSE [自然语言处理][ ...
深度学习训练营之优化器对比
深度学习训练营之优化器对比原文链接环境介绍前置工作设置GPU 数据处理导入数据数据集处理数据集可视化模型构造模型训练结果可视化原文链接
LoRA学习： SX1276/SX1277/SX1278对比
LoRA芯片 SX1276/SX1277/SX1278对比 SX1276/7/8是一种半双工传输的低中频收发器,配备了标准FSK和远距离扩频Lora调制解调器.该芯片可以用于超长距离的Lora扩频通信 ...
何恺明团队最新力作SimSiam：消除表征学习“崩溃解”，探寻对比表达学习成功之根源...
↑ 点击蓝字关注深度学习技术前沿作者|Happy 编辑丨极市平台导读本文是FAIR的陈鑫磊&何恺明大神在无监督学习领域又一力作,提出了一种非常简单的表达学习机制用于避免表达学习中的&q ...

学习 PySOT(2)（PySOT-toolkit、对比、画图）