SiamCAR: Siamese Fully Convolutional Classification and Regression for Visual Tracking 源码配置
发布时间
阅读量：
阅读量
第一步，配置环境
- 在SiamCAR的Github主页下载SiamCAR源文件。
- 由于在国内的pytorch不太好下载，因此将requirenment.txt 文件中的pytorch==1.2.0 这一项删除，并去这个页面下载。
由于笔者安装的是CUDA10.2 ，因此我选择下载了torch-1.7.1-cp37-cp37m-win_amd64.whl
- 使用下列命令安装所需求的库，并安装pytorch。
pip install -r requirements.txt
pip install torch-1.7.1-cp37-cp37m-win_amd64.whl
第二步，下载数据集和模型
- 大多数数据集的地址在Github主页中已经给出，但是没有给出UAV123 的数据集的下载地址，笔者在此给出UAV123数据。
- 模型也在Github主页中提供了链接地址，在下载好模型后，将模型放入到tools\snapshot 中，
第三步，测试
- 打开tools 文件夹下的test.py 文件，将55行 的dataset_root 路径更改为数据集的路径。
- 在tools 文件夹下打开cmd ，并输入命令：
python test.py --dataset UAV123 --snapshot snapshot/model_general.pth
如果想要使用got10k_model和** LaSOT_model进行测试，需要修改一个地方的代码。
打开pysot\models\model_builder.py** 文件，修改第42行代码。
如果使用model_general.pth模型，需要将该行代码修改为：
self.down = nn.ConvTranspose2d(256 * 3, 256, 1, 1)
如果使用SiamCAR_LaSOT.pth和SiamCAR-GOT.pth，则需要将该行代码修改为：
self.down = nn.Conv2d(256 * 3, 256, 1, 1)
- 如果想要可视化现实，可以将启动命令修改为：
python test.py --dataset UAV123 --snapshot snapshot/model_general.pth --vis
全部评论 (0)
还没有任何评论哟~