DaSiamRPN视频目标跟踪源码运行笔记
该论文提出了一种基于视觉目标跟踪的Distactor-aware Siamese网络（DaSiamRPN），用于ECCV 2018会议，并提供了对应的源码。论文详细介绍了运行环境，包括NVIDIA GTX 1070、Ubuntu 16.04 x64、CUDA 8.0.61、cuDNN 5.1、Python 2.7和PyTorch 0.3.1。准备步骤包括安装必要的库和下载源码，用户需在终端中运行python demo.py即可执行算法。论文链接为http://openaccess.thecvf.com/contentECCV2018/papers/ZhengZhuDistractor-awareSiameseNetworksECCV2018_paper.pdf，源码链接为https://github.com/foolwood/DaSiamRPN。
1. 论文基本信息
论文标题：具有抗干扰特性的双流网络在视觉目标追踪中的应用
论文作者：郑智（中国科学院大学，北京，中国）等人
论文出处：ECCV会议2018
在线阅读：http://openaccess.thecvf.com/content_ECCV_2018/papers/Zheng_Zhu_Distractor-aware_Siamese_Networks_ECCV_2018_paper.pdf
源码链接：https://github.com/foolwood/DaSiamRPN
2. 运行环境介绍
- 高性能显卡：NVIDIA GTX 1070
- 基于64位的Ubuntu 16.04系统：Ubuntu 16.04 x64
- 适用于Ubuntu 16.04系统的CUDA版本：CUDA 8.0.61 for Ubuntu 16.04
- 基于CUDA 8.0的深度神经网络库：cuDNN 5.1 for CUDA 8.0
- 同一编程语言的Python版本：Python 2.7 for Python 2.7
- 功能强大的机器学习框架：PyTorch 0.3.1
- 开源计算机视觉库：OpenCV-Python
3. 准备
安装CUDA、cuDNN和Python环境，无需进一步说明，如有需要可以参考以下笔记：Ubuntu 16.04 x64安装CUDA 8.0和cuDNN 5.1笔记
安装numpy、OpenCV-Python库以及PyTorch，在终端环境中（确保当前的环境是Python 2.7 ）执行以下命令（可以多行一起复制粘贴然后回车）
pip install --upgrade pip
pip install numpy
pip install opencv-python
pip install http://download.pytorch.org/whl/cu80/torch-0.3.1-cp27-cp27mu-linux_x86_64.whl运行完后如下图所示：
S3. 下载DaSiamRPN源码并解压。
获取网络文件SiamRPNBIG.model、SiamRPNOTB.model和SiamRPNVOT.model，并将其放置于源码的code目录下，如图所示。下载地址：https://drive.google.com/drive/folders/1BtIkp5pB6aqePQGlMb2_Z7bfPy6XEj6H。
4. 运行
在终端中cd到源码的code目录中，然后运行如下命令即可：
python demo.py该算法默认情况下会跟踪源码包自带的 bag 视频，如下图所示：
