下载、安装与使用 pysot

2023-11-10

本篇文章简要介绍了如何在windows环境下,使用anaconda进行pysot运行环境的部署以及使用

pysot是商汤科技推出的一个针对单目标跟踪(Single Object Tracking)的“研究平台”,里面包含了他们团队的一些算法实现,例如SiamRPN、SiamMask等

github地址:https://github.com/STVIR/pysot
朱政对于SiamRPN系列算法的讲解视频:https://www.bilibili.com/video/BV13J411y7xP?from=search&seid=5083048807850515226

1 - 下载仓库

使用 git clone 或者下载 zip 压缩包都可以,下载代码到你的一个目录,无中文路径。例如我这里是下载的 zip 压缩包,放置的路径是 “C:\Users\SEMENTS_LAPTAP\Desktop\developArea\ObjectTrack”
在这里插入图片描述
解压,进入 pysot-master 文件夹

2 - 设置环境

打开 Anaconda Powershell Prompt,输入下面的命令,创建一个名为 “pysot” 的环境,指定使用 python 3.7 版本,然后切换到我们建立的这个新环境中

conda create --name pysot python=3.7
conda activate pysot

安装一些需要用到的库

conda install numpy
conda install pytorch=0.4.1 torchvision cuda90 -c pytorch
pip install opencv-python
pip install pyyaml yacs tqdm colorama matplotlib cython tensorboardX

3 - 下载模型

我们可以在 https://github.com/STVIR/pysot/blob/master/MODEL_ZOO.md 下载商汤提供的训练好的模型。他们提供了百度云下载。

下载完成后,文件夹为 PySOT,里面包含了训练好的模型,需要将其放置到我们下载的 pysot-master\experiments 文件夹中。注意:仅放置各个子文件夹的model.pth文件,切勿将百度云下载的PySOT各子文件夹中的 config.yaml 复制到 experiments中进行替换

4 - 运行 demo.py

我们使用 pycharm 打开 demo.py,点击 “File” -> “Settings” -> “Project Interpreter”,选择我们之前建立的 “pysot” 环境,没有就点击齿轮来添加
在这里插入图片描述
接下来需要添加 PYTONPATH 以及设置参数。

4.1 - PYTHONPATH

PYTHONPATH 以供查找包与文件关联,有两种方式可以添加指定路径到PYTHONPATH。

  • 在代码文件内添加:

    import sys
    sys.path.append('你的\\pysot-master\\路径')
    
  • 点击 “Run” -> “Edit Configurations”,选择左侧栏的 pyton->你要运行的代码文件。如果没有可以点击 “+” 来添加
    在这里插入图片描述 点击 “Environment Variables”,添加一个环境变量 “PYTHONPTH”,对应的值填写你的路径(注意 “\” 使用 “\\” 代替)

4.2 - Demo运行参数

同样点击 “Run” -> “Edit Configurations”,选择左侧栏的 pyton->你要运行的代码文件,在 “Script Path” 栏中选择 demo.py的路径。在 “Parameters” 中添加运行demo需要的一些参数。

如果你希望使用视频来进行验证,可以输入:

--config ../experiments/siamrpn_r50_l234_dwxcorr/config.yaml
--snapshot ../experiments/siamrpn_r50_l234_dwxcorr/model.pth
--video ../demo/bag.avi

这里的路径是以你在 "Script Path"栏中选定的python文件为准。这样就会使用 …/demo/bag.avi 中的视频进行;而如果你希望使用摄像头来进行验证,将 “–video …/demo/bag.avi” 一行去掉即可

点击运行,我们就可以看到效果了
在这里插入图片描述

本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)

下载、安装与使用 pysot 的相关文章

  • 目标检测跟踪算法--传统方法

    第一阶段 目标跟踪分为两个部分 一个是对指定目标寻找可以跟踪的特征 常用的有颜色 轮廓 特征点 轨迹等 另一个是对目标特征进行跟踪 1 静态背景 1 背景差 对背景的光照变化 噪声干扰以及周期性运动等进行建模 通过当前帧减去背景图来捕获运动
  • 深度学习在目标视觉检测中的应用进展与展望

    前言 文章综述了深度学习在目标视觉检测中的应用进展与展望 首先对目标视觉检测的基本流程进行总结 并介绍了目标视觉检测研究常用的公共数据集 然后重点介绍了目前发展迅猛的深度学习方法在目标视觉检测中的最新应用进展 最后讨论了深度学习方法应用于目
  • 相关滤波之开篇Mosse原理及代码详解

    相关滤波之开篇Mosse原理及代码详解 相关滤波 Correlation Filter 介绍 代码解读 程序框图 本文主要介绍相关滤波算法开篇 mosse具体原理及其python代码实现流程 相关滤波 Correlation Filter
  • Bytetrack 环境配置 &核心代码解析

    前言 可能有讲错和没讲清楚的地方 随时私信我或者评论 感谢斧正 1 构建 Bytetrack 环境 1 1 环境配置 下载资源 并 进入环境 git clone https github com ifzhang ByteTrack git
  • ByteTrack 多目标跟踪 测试笔记

    目录 多目标跟踪2022个人汇总知识 Results on MOT challenge test set ByteTrack 简介 转自知乎 1 Motivation 2 byte原理
  • 如何在深度学习中处理图像数据?

    深度学习在图像处理领域取得了重大的突破 可以用于图像分类 目标检测 图像生成等各种任务 处理图像数据的关键是将图像转换为适合深度学习模型处理的形式 下面是处理图像数据的一般步骤 1 数据准备 收集和整理用于训练的图像数据集 数据集应包含图像
  • SORT目标追踪算法详解

    SORT目标追踪 文章目录 SORT目标追踪 前言 一 卡尔曼滤波器 1 迭代算法 2 数据融合 3 协方差矩阵 4 状态空间表达 5 卡尔曼滤波详细推导 前言 SORT Simple Online and Realtime Trackin
  • 实践教程|使用Stable Diffusion图像修复来生成自己的目标检测数据集

    作者丨R dig par Gabriel Guerin 来源丨AI公园 深度学习模型需要大量的数据才能得到很好的结果 目标检测模型也是一样 要训练一个YOLOv5的模型来自动检测你最喜欢的玩具 你需要拍几千张你的玩具在不同上下文中的照片 对
  • 匹配算法之 匈牙利算法详解

    参考 算法学习笔记 5 匈牙利算法 漫谈匈牙利算法 匈牙利算法 KM算法 匈牙利算法 二分图 通俗易懂小白入门 二分图最大匹配 匈牙利算法 多目标跟踪之数据关联 匈牙利匹配算法和KM算法 小白学习笔记 一 目标跟踪 匈牙利匹配 一 匈牙利算
  • 【多目标跟踪论文阅读笔记——2021年CVPR论文粗读记录】

    阅读心得 多目标跟踪经典论文 2021CVPR论文粗读记录 前言 一 学习策略类 QDTrack 二 Temporal Spatial 类 TADAM Alpha Refine TraDes CorrTracker 三 Motion mod
  • yolo-车辆测距+前车碰撞预警(追尾预警)+车辆检测识别+车辆跟踪测速(原创算法-毕业设计)

    目录 前言 一 环境配置 二 车辆检测 实时跟踪测速算法及代码解读 1 主函数各参数含义 2 算法实现 3 核心代码 4 效果展示 三 跟车距离测量算法及代码解读 1 主函数各参数含义 2 算法实现 3 效果展示 四 前车碰撞预警 追尾预警
  • PannoOccUnified Occupancy Representation for Camera-based 3D Panoptic Segmentation

    中科院 摘要 周围三维世界的综合建模是自主驾驶成功的关键 然而 现有的感知任务 比如目标检测 道路结构分割 深度和高度估计以及开放式对象定位 都只关注于整体三维场景理解任务的一小部分 这种分而治之的策略简化了算法开发过程 但代价是失去了问题
  • 【第60篇】多目标跟踪:文献综述

    文章目录 摘要 1 简介 1 1 与其他相关综述的区别 1 2 贡献 1 3 综述的结构 1 4 外延 2 MOT问题 2 1 问题公式化 2 2 MOT的分类 2 2 1 初始化方法 2 2 2 处理方式 2 2 3 输出类型 2 2 4
  • StrongSORT:Make DeepSORT Great Again

    1北京邮电大学2中国网络系统与网络文化北京市重点实验室 摘要 现有的多目标跟踪 Multi Object Tracking MOT 方法大致可以分为基于检测的跟踪和联合检测关联两种范式 虽然后者引起了更多的关注 并显示出与前者相当的性能 但
  • 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 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
  • OpenCV单目标跟踪:实现目标追踪的简易指南

    OpenCV单目标跟踪 实现目标追踪的简易指南 了解如何使用OpenCV库实现单目标跟踪 本指南介绍了OpenCV中主要的目标跟踪算法 包括CSRT KCF MIL GOTURN和DaSiamRPN 通过选择初始目标区域并使用适当的跟踪器
  • ubuntu16.04下如何训练PySOT(四):训练、测试、运行demo、评估

    下载预训练模型 从 Google Drive 下载 将预训练模型复制到 pretrained models 文件夹中 训练 在tools目录下打开终端 输入以下命令 即开始训练 CUDA VISIBLE DEVICES 0 python m
  • 光流法( Optical Flow Method)

    在计算机视觉中 光流法即可用于运动目标检测 也可以用于目标跟踪 本文主要介绍光流法在运动目标检测和目标跟踪中的区别与联系 1 光流与光流场 光流的概念最初是由 Gibson 于 1950 年首先提出来的 当人的眼睛观察运动物体时 物体的景象
  • 单目标跟踪算法评价指标

    中心位置误差 center location error CLE 中心位置误差为预测的目标中心和真实的目标中心之间的欧氏距离 以像素为单位 xa ya 表示预测目标中心位置 xb yb 表示真实的目标中心位置 距离精度 diatance p
  • yolov5单目测距+速度测量+目标跟踪

    要在YOLOv5中添加测距和测速功能 您需要了解以下两个部分的原理 单目测距算法 单目测距是使用单个摄像头来估计场景中物体的距离 常见的单目测距算法包括基于视差的方法 如立体匹配 和基于深度学习的方法 如神经网络 基于深度学习的方法通常使用

随机推荐

  • 若依打包上线前后端配置

    1 后台访问打包设置 vue config js 文件中需要修改代理地址 devServer host 0 0 0 0 host 188 188 188 64 port port open true proxy detail https c
  • STM32进入STOP模式并唤醒实验总结

    项目需求 需要实现设备低功耗功能 实现过程中遇到几个问题 以此记录总结 stm32f103ret6 问题一 执行PWR EnterSTOPMode PWR Regulator LowPower PWR STOPEntry WFI 后 程序继
  • 进程间通信:比较脸熟的ftok()

    老师在讲这个函数时没有什么感觉 当我做了试验后 其实也没有什么感觉 就是当我在改进实验的时候 问题就来了 就在ftok 这出的的错误 不过先不去了解它的作用来先说说为什么要用它 共享内存 消息队列 信号量它们三个都是找一个中间介质 来进行通
  • OpenSSL:调用OpenSSL实现SHA算法

    安装 libssl dev sudo apt get install libssl dev example c include
  • 用python实现打字练习网站第一

    一 简介 在在线打字测试 dazi kukuw com 网站中 本人kpm一直不高 想着是否能用python写个脚本来改善下 于是选择用python的Selenium来实现 也对其中遇到一些常见问题进行解决 二 正文 1 首先 webdri
  • Notepad++安装NppFTP的和NppFTP的使用

    1 NotPad 插件的安装 NotPad 提供了很多方便的插件以供我们使用 没有的插件需要我们自己安装 安装分为手动安装和自动安装 1 gt 自动安装 选择需要的插件安装即可 安装完成就可以看见所安装的插件 如果在线不能安装就需要手动安装
  • python进阶篇

    想必看到这篇文章的朋友都已经有了一定的基础 已经能够理解python的语法 库的使用 循环遍历以及抛出异常 此时的我们已经拥有了解决问题的能力 但可能自己写不出代码 就像我们学数学 前面的低中档题可能不在话下 所向披靡 但一遇到压轴题就歇菜
  • ER模型详解-陈氏模型

    转载自 http blog 163 com magicc love blog static 18585366220142125836878 Entity Relationship Model ER模型 实体关系模型 1976年Peter C
  • thinkphp 生成runtime.php,彻底关闭ThinkPHP日志功能 关闭Runtime中的日志方法

    彻底关闭ThinkPHP日志功能 从ThinkPHP的核心文件里寻找入口 直接贴上代码 该配置文件位置为 ThinkPHP Conf debug php 保存 好了 2 将LOG LEVEL允许记录的日志级别设置为空 则不会记录日志 3 关
  • zabbix详解(二)—— zabbix故障自愈

    今天继续给大家介绍Linux运维相关知识 本文主要内容是zabbix的故障自愈 在上文zabbix的使用中 我们自定义了一个可以监控85端口jar服务的监控项 今天 我们就尝试正式使用该监控项 并定义相对应的触发器 最终实现邮件报警功能 及
  • Microsoft NNI入门

    GiantPandaCV导语 Neural Network Intelligence 是一个工具包 可以有效帮助用户设计并调优汲取学习模型的神经网络架构 以及超参数 具有易于使用 可扩展 灵活 高效的特点 本文主要讲NNI基础的概念以及一个
  • C++创建对象时报错:引发了异常: 读取访问权限冲突。 p2.m_Height 是 nullptr。

    未修改前的类代码如上 Person5类在test09 函数中创建p1对象 报错信息如下 报错信息指向第38行代码 解决方法 将Person5类中的拷贝构造函数注释掉即可编译通过 引发了异常 读取访问权限冲突 p2 m Height 是 nu
  • 简单说说多益笔试

    一 选择题 考了spring java虚拟机 二 填空题 忘了 三 简答题 1 面向对象三个特性 2 三次握手 四次握手 3 数据库操作 四 编程题 1 数学题 知道首项 前项与后项的差 2 偶数二进制数反转 3 一堆数中找出等于s的个数
  • 使用Kotlin + JetPack 对旧项目进行MVVM改造

    介绍 本次改造的项目地址为 https github com stevenwsg XSYBBS 这个项目是两年前在学校写的 当初写的时候比较赶时间 一直堆业务功能 没有考虑项目结构 写了很多重复代码 最近在看Kotlin协程和JetPack
  • 十九、Linux驱动之虚拟网卡驱动

    1 基本概念 网络设备是完成用户数据包在网络媒介上发送和接收的设备 它将上层协议传递下来的数据包以特定的媒介访问控制方式进行发送 并将接收到的数据包传递给上层协议 与字符设备和块设备不同 网络设备并不对应于 dev目录下的文件 应用程序最终
  • 将tensor张量转换成图片格式并保存

    这是一个工具包 功能 反向操作transforms Normalize和transforms ToTensor函数 将tensor格式的图片转换成 jpg png格式的图片 注 这里是我原始的写法 但是是存在着一些改进空间的 如评论区所言
  • Unity安卓 Failed to extract resources needed byIL2CPP

    这个报错可能是由于gradle版本过低导致不支持IL2CPP 在android studio里面升级一下即可 我遇到这个问题的时候使用的版本更新软件叫做git 就是在gitignore里面的一些文件不能提交导致自己这边可以运行但是别人更新之
  • 每日一C stat

    Example The following program calls stat and displays selected fields in the returned stat structure include
  • 和为S的连续正数序列 Java实现

    和为S的连续正数序列 Java实现 问题描述 给定一个正整数S 打印出所有和为S的连续正数序列 解决方案 我们可以使用滑动窗口的思想来解决这个问题 定义两个指针start和end 分别表示连续序列的起始位置和结束位置 初始时 start和e
  • 下载、安装与使用 pysot

    本篇文章简要介绍了如何在windows环境下 使用anaconda进行pysot运行环境的部署以及使用 目录 1 下载仓库 2 设置环境 3 下载模型 4 运行 demo py 4 1 PYTHONPATH 4 2 Demo运行参数 pys