VOT测试自己的数据集

导入环境：

# 导入docker镜像 vot_toolkit.tar 路径在/nas_dataset/docker_images/vot_toolkit.tar
docker load --input vot_toolkit.tar
# 根据docker镜像建立容器sudo docker run --gpus all --shm-size=60g -it -v /你的本地项目路径:/test  -w /test vot_toolkit

生成配置文件
在该目录下生成三个文件

trackers.ini:
```
[TRACKALL]  # <tracker-name>
label = TRACKALL
protocol = traxpythoncommand = tracker_vot# Specify a path to trax python wrapper if it is not visible (separate by ; if using multiple paths)
paths = /test# Additional environment paths
env_PATH = <additional-env-paths>;${PATH}
```
tracker-name（中括号那个），label，根据自己跟踪器情况而定。

paths：运行文件所在目录

command：运行跟踪器的启动文件（需要在上面的paths下有command.py这个文件。在上面这个例子就是需要在文件目录下面有tracker_vot.py这个文件。

然后参照官方调试用跟踪器的示例文件，修改自己的跟踪器的启动文件，添加trax等通信代码。

tracker_vot.py:
模仿官方的tracker的输入输出去写即可

class NCCTracker(object):def __init__(self, image, region):"""image： np.array->[h,w,3]region: bbox"""# 帧的初始化在init中完成 self.window = max(region.width, region.height) * 2left = max(region.x, 0)top = max(region.y, 0)right = min(region.x + region.width, image.shape[1] - 1)bottom = min(region.y + region.height, image.shape[0] - 1)self.template = image[int(top):int(bottom), int(left):int(right)]self.position = (region.x + region.width / 2, region.y + region.height / 2)self.size = (region.width, region.height)def track(self, image):left = max(round(self.position[0] - float(self.window) / 2), 0)top = max(round(self.position[1] - float(self.window) / 2), 0)right = min(round(self.position[0] + float(self.window) / 2), image.shape[1] - 1)bottom = min(round(self.position[1] + float(self.window) / 2), image.shape[0] - 1)if right - left < self.template.shape[1] or bottom - top < self.template.shape[0]:return vot.Rectangle(self.position[0] + self.size[0] / 2, self.position[1] + self.size[1] / 2, self.size[0], self.size[1])cut = image[int(top):int(bottom), int(left):int(right)]matches = cv2.matchTemplate(cut, self.template, cv2.TM_CCOEFF_NORMED)min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(matches)self.position = (left + max_loc[0] + float(self.size[0]) / 2, top + max_loc[1] + float(self.size[1]) / 2)# 返回 (x_0,y_0,w,h) 和置信值return vot.Rectangle(left + max_loc[0], top + max_loc[1], self.size[0], self.size[1]), max_val```

vot.py:

import sys
import copy
import collections
try:import trax
except ImportError:raise Exception('TraX support not found. Please add trax module to Python path.')Rectangle = collections.namedtuple('Rectangle', ['x', 'y', 'width', 'height'])
Point = collections.namedtuple('Point', ['x', 'y'])
Polygon = collections.namedtuple('Polygon', ['points'])class VOT(object):""" Base class for Python VOT integration """def __init__(self, region_format, channels=None):""" ConstructorArgs:region_format: Region format options"""assert(region_format in [trax.Region.RECTANGLE, trax.Region.POLYGON])if channels is None:channels = ['color']elif channels == 'rgbd':channels = ['color', 'depth']elif channels == 'rgbt':channels = ['color', 'ir']elif channels == 'ir':channels = ['ir']else:raise Exception('Illegal configuration {}.'.format(channels))self._trax = trax.Server([region_format], [trax.Image.PATH], channels)request = self._trax.wait()assert(request.type == 'initialize')if isinstance(request.region, trax.Polygon):self._region = Polygon([Point(x[0], x[1]) for x in request.region])else:self._region = Rectangle(*request.region.bounds())self._image = [x.path() for k, x in request.image.items()]if len(self._image) == 1:self._image = self._image[0]self._trax.status(request.region)def region(self):"""Send configuration message to the client and receive the initializationregion and the path of the first imageReturns:initialization region"""return self._regiondef report(self, region, confidence = None):"""Report the tracking results to the clientArguments:region: region for the frame"""assert(isinstance(region, Rectangle) or isinstance(region, Polygon))if isinstance(region, Polygon):tregion = trax.Polygon.create([(x.x, x.y) for x in region.points])else:tregion = trax.Rectangle.create(region.x, region.y, region.width, region.height)properties = {}if not confidence is None:properties['confidence'] = confidenceself._trax.status(tregion, properties)def frame(self):"""Get a frame (image path) from clientReturns:absolute path of the image"""if hasattr(self, "_image"):image = self._imagedel self._imagereturn imagerequest = self._trax.wait()if request.type == 'frame':image = [x.path() for k, x in request.image.items()]if len(image) == 1:return image[0]return imageelse:return Nonedef quit(self):if hasattr(self, '_trax'):self._trax.quit()def __del__(self):self.quit()

安装vot工具包（docker 中使用可跳过已自带）：
pip install git+https://github.com/votchallenge/vot-toolkit-python
初始化vot workspace
在这一步的时候需要导入数据集如果没有的话会自行下载
也可以自行导入数据集目录为 /sequences 格式如下
```
# 如果自行导入数据集可以在后面选择 增加–nodownload参数
vot initialize votlt2019 --workspace /test
```
跑测试
```
# TRACKALL -> <tracker-name>
vot evaluate --workspace /test TRACKALL
```
测试结果保存在 result 文件夹，测试会默认在项目目录下寻找result
生成计算指标
```
# vot analysis --workspace 实验存放目录 NCCPython(跟踪器名称，即上面中括号的名称) --format {html,json等}vot analysis --workspace /test TRACKALL --format json
```
跑分结果保存在 analysis/运行日期的文件夹/
遇到过的问题：
下载数据集时速度慢，容易断：
1. 预先解析出图像包的下载链接，通过其他下载器预先下载好，并放置到对应的位置。如无法跳过时，可以参考将执行的源码文件中下载图片的代码，注释掉已跳过对应的下载步骤，并后期通过手动加入。此方法本人实验有效，但是操作时建议多写资料以便后期维护，仅供参考。
将shell的http链接通过指定端口进行下载。

VOT测试自己的数据集相关推荐

Pytorch系列(四):猫狗大战1-训练和测试自己的数据集
Pytorch猫狗大战系列: 猫狗大战1-训练和测试自己的数据集猫狗大战2-AlexNet 猫狗大战3-MobileNet_V1&V2 猫狗大战3-MobileNet_V3 TensorFl ...
Windows下使用Yolov3（GPU）训练+测试自己的数据集
Windows下使用Yolov3(GPU)训练+测试自己的数据集 1.配置Yolov3 参考:Windows下使用darknet.exe跑通Yolov3 Window10+VS2017+CUDA10. ...
基于深度学习的三维重建（一）：三维重建简介、patchmatchNet环境部署、用colmap如何测试自己的数据集
目录 1.什么是三维重建 2.MVS是什么 3.传统MVS的局限性和为什么基于深度学习的MVS性能好于传统三维重建 4.基础概念 5. patchmatchNet环境配置 6.如何测试自己的数据集(位 ...
如何查找论文中的代码、测试集或数据集
如何查找论文中的代码.测试集或数据集 1. 文中的链接 2.知名会议 3. paperswithcode 4. 学者主页 5. GitHub 6. 相关文献 7. 相关比赛 1. 文中的链接有的论文 ...
iris数据集测试集_IRIS数据集的探索性数据分析
iris数据集测试集 Let's explore one of the simplest datasets, The IRIS Dataset which basically is a data a ...
【MMDetection3D】环境搭建，使用PointPillers训练测试可视化KITTI数据集
文章目录前言 3D目标检测概述 KITTI数据集简介 MMDetection3D 环境搭建数据集准备训练测试及可视化绘制损失函数曲线参考资料前言 2D卷不动了,来卷3D,之后更多地工作会 ...
MMAction2学习笔记使用C3D训练测试自己的数据集
新手上路,记录一下自己的学习过程,希望也能对你有所帮助. 1.数据集准备参考官网给出的数据集准备教程 https://github.com/open-mmlab/mmaction2/blob/mas ...
HiAGM模型源码测试【原始数据集+中文数据集】
论文链接:Hierarchy-Aware Global Model for Hierarchical Text Classification github代码链接:HiAGM HiAGM模型源码测试 ...
详细实现yolov5测试丶自己数据集训练测试丶Tensorrt加速优化（完结 !）+ 跟踪（补充）
参考文献:[yolov5系列]yolov5 v6.0 环境配置.图片视频测试.模型可视化.v6.0的更新内容 Jeston AGX Orin安装Pytorch1.11.0+torchvision0 ...
linux下yolact算法的实现，测试自己的数据集
** 环境 Ubuntu16.0 pytorch1.3.0 pycharm 代码链接:https://github.com/dbolya/yolact 下载anaconda cudnn 均为最新版下 ...

VOT测试自己的数据集

VOT测试自己的数据集相关推荐

最新文章

热门文章