pysot toolkit 的eval文件

目前pysot toolkit与pysot的eval不同之处在于是否有VOT2019等最新的数据集评价程序。
包含的数据有：

OTB系列
VOT2016, 2018（2017）短时序列
VOT2018-LT
NFS
UAV
LaSOT

import os
import sys
import time
import argparse
import functools
sys.path.append("./")
sys.path.append("C:/Users/lpf/Desktop/Code_of_Paper/pysot-toolkit")
from glob import glob
from tqdm import tqdm
from multiprocessing import Pool
from pysot.datasets import OTBDataset, UAVDataset, LaSOTDataset, VOTDataset, NFSDataset, VOTLTDataset
from pysot.evaluation import OPEBenchmark, AccuracyRobustnessBenchmark, EAOBenchmark, F1Benchmark
from pysot.visualization import draw_success_precision, draw_eao, draw_f1dataset_dir = r"C:\Users\lpf\Desktop\Code_of_Paper\pysot-master\testing_dataset\OTB100"
# dataset_dir = r"F:\Linux2Win10\OTB1001\OTB100"
dataset = r"OTB100"# tracker_results_dir = r"F:\Linux2Win10\OTB1001\OTB100_backup"
tracker_results_dir =  r"C:\Users\lpf\Desktop\Code_of_Paper\pysot-toolkit\results\OTB100"
# 'MDNet',
trackers = [ 'SiamCAR', 'CFNet', 'DaSiamRPN', 'GradNet', 'SRDCF', 'fDSST', 'DeepSRDCF', 'SiamRPN', 'SiamDWfc', 'Staple']
num = 10if __name__ == '__main__':#step1、创建一个解析器——创建 ArgumentParser() 对象parser = argparse.ArgumentParser(description='Single Object Tracking Evaluation')#step2、添加参数——调用 add_argument() 方法添加参数parser.add_argument('--dataset_dir', type=str, default=dataset_dir, help='dataset root directory')#数据集根目录parser.add_argument('--dataset', type=str, default=dataset, help='dataset name')#数据集名称parser.add_argument('--tracker_result_dir', type=str, default=tracker_results_dir, help='tracker result root')#tracker 结果路径parser.add_argument('--trackers', default=trackers, nargs='+',help='Trackers name')#nargs='+' 设置一个或多个参数， 同时评估多个trackerparser.add_argument('--vis', dest='vis', action='store_true')#可视化，为真时绘图parser.add_argument('--show_video_level', dest='show_video_level', action='store_true')parser.add_argument('--num', type=int, help='number of processes to eval', default=8)#线程数目，有默认值 1，不是很重要#step3、解析参数——使用 parse_args() 解析添加的参数args = parser.parse_args()tracker_dir = args.tracker_result_dir#跟踪结果目录trackers = args.trackers#跟踪器名称root = args.dataset_dir#数据集根目录assert len(trackers) > 0#断言：至少有一个跟踪器args.num = min(args.num, len(trackers))#每个跟踪器配备一个进程，自适应跟踪器数量 与 进程数#OTB数据集上评价结果if 'OTB' in args.dataset:dataset = OTBDataset(args.dataset, root)dataset.set_tracker(tracker_dir, trackers)benchmark = OPEBenchmark(dataset)success_ret = {}with Pool(processes=args.num) as pool:for ret in tqdm(pool.imap_unordered(benchmark.eval_success,trackers), desc='eval success', total=len(trackers), ncols=100):success_ret.update(ret)precision_ret = {}with Pool(processes=args.num) as pool:for ret in tqdm(pool.imap_unordered(benchmark.eval_precision,trackers), desc='eval precision', total=len(trackers), ncols=100):precision_ret.update(ret)benchmark.show_result(success_ret, precision_ret,show_video_level=args.show_video_level)#是否绘制跟踪结果if args.vis:for attr, videos in dataset.attr.items():draw_success_precision(success_ret,name=dataset.name,videos=videos,attr=attr,precision_ret=precision_ret)elif 'LaSOT' == args.dataset:dataset = LaSOTDataset(args.dataset, root)dataset.set_tracker(tracker_dir, trackers)benchmark = OPEBenchmark(dataset)success_ret = {}# success_ret = benchmark.eval_success(trackers)with Pool(processes=args.num) as pool:for ret in tqdm(pool.imap_unordered(benchmark.eval_success,trackers), desc='eval success', total=len(trackers), ncols=100):success_ret.update(ret)precision_ret = {}with Pool(processes=args.num) as pool:for ret in tqdm(pool.imap_unordered(benchmark.eval_precision,trackers), desc='eval precision', total=len(trackers), ncols=100):precision_ret.update(ret)norm_precision_ret = {}with Pool(processes=args.num) as pool:for ret in tqdm(pool.imap_unordered(benchmark.eval_norm_precision,trackers), desc='eval norm precision', total=len(trackers), ncols=100):norm_precision_ret.update(ret)benchmark.show_result(success_ret, precision_ret, norm_precision_ret,show_video_level=args.show_video_level)if args.vis:draw_success_precision(success_ret,name=dataset.name,videos=dataset.attr['ALL'],attr='ALL',precision_ret=precision_ret,norm_precision_ret=norm_precision_ret)elif 'UAV' in args.dataset:dataset = UAVDataset(args.dataset, root)dataset.set_tracker(tracker_dir, trackers)benchmark = OPEBenchmark(dataset)success_ret = {}with Pool(processes=args.num) as pool:for ret in tqdm(pool.imap_unordered(benchmark.eval_success,trackers), desc='eval success', total=len(trackers), ncols=100):success_ret.update(ret)precision_ret = {}with Pool(processes=args.num) as pool:for ret in tqdm(pool.imap_unordered(benchmark.eval_precision,trackers), desc='eval precision', total=len(trackers), ncols=100):precision_ret.update(ret)benchmark.show_result(success_ret, precision_ret,show_video_level=args.show_video_level)if args.vis:for attr, videos in dataset.attr.items():draw_success_precision(success_ret,name=dataset.name,videos=videos,attr=attr,precision_ret=precision_ret)elif 'NFS' in args.dataset:dataset = NFSDataset(args.dataset, root)dataset.set_tracker(tracker_dir, trackers)benchmark = OPEBenchmark(dataset)success_ret = {}with Pool(processes=args.num) as pool:for ret in tqdm(pool.imap_unordered(benchmark.eval_success,trackers), desc='eval success', total=len(trackers), ncols=100):success_ret.update(ret)precision_ret = {}with Pool(processes=args.num) as pool:for ret in tqdm(pool.imap_unordered(benchmark.eval_precision,trackers), desc='eval precision', total=len(trackers), ncols=100):precision_ret.update(ret)benchmark.show_result(success_ret, precision_ret,show_video_level=args.show_video_level)if args.vis:for attr, videos in dataset.attr.items():draw_success_precision(success_ret,name=dataset.name,video=videos,attr=attr,precision_ret=precision_ret)elif 'VOT2018' == args.dataset or 'VOT2016' == args.dataset:dataset = VOTDataset(args.dataset, root)dataset.set_tracker(tracker_dir, trackers)ar_benchmark = AccuracyRobustnessBenchmark(dataset)ar_result = {}with Pool(processes=args.num) as pool:for ret in tqdm(pool.imap_unordered(ar_benchmark.eval,trackers), desc='eval ar', total=len(trackers), ncols=100):ar_result.update(ret)# benchmark.show_result(ar_result)benchmark = EAOBenchmark(dataset)eao_result = {}with Pool(processes=args.num) as pool:for ret in tqdm(pool.imap_unordered(benchmark.eval,trackers), desc='eval eao', total=len(trackers), ncols=100):eao_result.update(ret)# benchmark.show_result(eao_result)ar_benchmark.show_result(ar_result, eao_result,show_video_level=args.show_video_level)elif 'VOT2018-LT' == args.dataset:dataset = VOTLTDataset(args.dataset, root)dataset.set_tracker(tracker_dir, trackers)benchmark = F1Benchmark(dataset)f1_result = {}with Pool(processes=args.num) as pool:for ret in tqdm(pool.imap_unordered(benchmark.eval,trackers), desc='eval f1', total=len(trackers), ncols=100):f1_result.update(ret)benchmark.show_result(f1_result,show_video_level=args.show_video_level)if args.vis:draw_f1(f1_result)

pysot-toolkit--eval.py笔记（读取算法结果，根据评价指标计算结果并可视化）相关推荐

Python数模笔记-模拟退火算法（4）旅行商问题
1.旅行商问题(Travelling salesman problem, TSP) 旅行商问题是经典的组合优化问题,要求找到遍历所有城市且每个城市只访问一次的最短旅行路线,即对给定的正权完全图求其总权 ...
Python数模笔记-模拟退火算法（3）整数规划问题
1.整数规划问题整数规划问题在工业.经济.国防.医疗等各行各业应用十分广泛,是指规划中的变量(全部或部分)限制为整数,属于离散优化问题(Discrete Optimization). 线性规划问题的 ...
Python数模笔记-模拟退火算法（2）约束条件的处理
1.最优化与线性规划最优化问题的三要素是决策变量.目标函数和约束条件. 线性规划(Linear programming),是研究线性约束条件下线性目标函数的极值问题的优化方法,常用于解决利用现有的资 ...
Python数模笔记-模拟退火算法（1）多变量函数优化
1.模拟退火算法模拟退火算法借鉴了统计物理学的思想,是一种简单.通用的启发式优化算法,并在理论上具有概率性全局优化性能,因而在科研和工程中得到了广泛的应用. 退火是金属从熔融状态缓慢冷却.最终达到能 ...
深度学习word2vec笔记之算法篇
本文转载自<深度学习word2vec笔记之算法篇>对排版和内容作了部分调整,感谢大佬分享. PDF版本关注微信公众号:[终南樵],回复:[word2vec基础]获取 1. 声明该博文是G ...
读书笔记：算法图解 using Python
读书笔记:算法图解 using Python 阅读书目:[美] Aditya Bhargava. "算法图解" 写在前面: 作者称自己是"视觉型学习者,对图解式写作风格钟 ...
区块链笔记-Hash算法
链客,专为开发者而生,有问必答! 此文章来自区块链技术社区,未经允许拒绝转载. 区块链笔记-Hash算法区块链技术是一系列技术的结合,建立新的技术架构,hash算法是很重要的一块,如果理解不当的地方 ...
des算法java_Java加密算法笔记--DES算法实现
Java加密算法笔记--DES算法实现在使用中发现,经过加密的字符串如果要进行传输,需要使用Base64进行编码,这样能保证加密信息的完整性,确保将来解密成功. import java.securi ...
模式分类笔记--聚类分析算法
模式分类(Pattern Recognition/Classification)笔记--聚类分析算法模式分类课程笔记.码字不易,转载注明出处:http://www.cnblogs.com/Lin-c ...

pysot-toolkit--eval.py笔记（读取算法结果，根据评价指标计算结果并可视化）

pysot toolkit 的eval文件

pysot-toolkit--eval.py笔记（读取算法结果，根据评价指标计算结果并可视化）相关推荐

最新文章

热门文章