复现:SiamMASK-Fast Online Object Tracking and Segmentation: A Unifying Approach

- 1 分钟前

昨天晚上在 Youtube 的 augmentedstartups 频道看到一个关于 ObjectTracking 的项目,感觉效果非常不错,便想要跟着学习一下。视频中实现的是 SiamMask 的应用,点进 Git Repo 发现有完整的复现过程,非常清晰,于是今天到实验室就跟着做了一下。

实验环境【Environment】

Demo 中提供的实验环境是 Ubuntu 16.04, Python 3.6, Pytorch 0.4.1, CUDA 9.2, RTX 2080 GPUs,以下是我所用的实验室服务器环境。

首先实验室的服务器是不具备图形界面的,要展示视频/图像必须为系统配置图形化界面,参考博客安装 GNOME 桌面环境并配置 VNC-Server,一切安装好之后便可以在个人机中查看图形界面。

mac-vnc

安装 anaconda3 并新建一个 siammask 虚拟环境。

运行步骤

git clone https://github.com/foolwood/SiamMask.git && cd SiamMask
export SiamMask=$PWD
conda create -n siammask python=3.6
source activate siammask
pip install -r requirements.txt
bash make.sh
export PYTHONPATH=$PWD:$PYTHONPATH

⚠️注意:此时 export 的环境变量只在一个终端中有效,如果重启另一个终端运行需要重新声明环境变量,虚拟环境也是类似的。

cd $SiamMask/experiments/siammask_sharp
wget http://www.robots.ox.ac.uk/~qwang/SiamMask_VOT.pth
wget http://www.robots.ox.ac.uk/~qwang/SiamMask_DAVIS.pth
cd $SiamMask/experiments/siammask_sharp
export PYTHONPATH=$PWD:$PYTHONPATH
python ../../tools/demo.py --resume SiamMask_DAVIS.pth --config config_davis.json

⚠️注意:运行之前的步骤都可以在 ssh 终端中进行,但执行 demo.py 必须在图形化界面的终端中调用,否则会出现错误。

鼠标选中目标后空格/回车开始追踪,便可得到理想的实验效果。

siammask-demo-samples


Fast Online Object Tracking and Segmentation: A Unifying Approach Qiang Wang, Li Zhang, Luca Bertinetto, Weiming Hu, Philip H.S. Torr ( denotes equal contribution) CVPR 2019 [Paper] [Video] [Project Page]

Inger Chao(赵琦)

Inger Chao(赵琦)

CS 研二在读

Inger Notes © 2020
rss facebook twitter github gitlab youtube mail spotify lastfm instagram linkedin google google-plus pinterest medium vimeo stackoverflow reddit quora qq quora wechat