Github项目推荐 | CVPR2019论文实现 - SiamMask 快速在线对象跟踪和分割：一种统一的方法

Fast Online Object Tracking and Segmentation: A Unifying Approach

论文地址：

https://arxiv.org/abs/1812.05050

Github项目地址：

https://github.com/foolwood/SiamMask#environment-setup

这是SiamMask（CVPR2019）的官方参考代码。 有关技术细节，请参阅：

Fast Online Object Tracking and Segmentation: A Unifying Approach

作者：Qiang Wang*, Li Zhang*, Luca Bertinetto*, Weiming Hu, Philip H.S. Torr （ * 表示付出同等贡献）

CVPR2019

[ Paper - 论文 ] [ Video - 视频（油管）] [ Project Page - 项目页面 ] 

目录

• 环境设置

• Demo

• 测试模型

环境设置

所有代码都已经在Ubuntu 16.04，Python 3.6，Pytorch 0.4.1，CUDA 9.2，GTX 2080 GPU的环境上进行了测试

• 克隆项目仓库

git clone https://github.com/foolwood/SiamMask.git && cd SiamMask
export SiamMask=$PWD

• 设置python环境

conda create -n siammask python=3.6
source activate siammask
pip install -r requirements.txt
bash make.sh

• 将项目添加到PYTHONPATH

export PYTHONPATH=$PWD:$PYTHONPATH

Demo

• 设置 好使用环境

• 下载 SiamMask 模型

cd $SiamMask/experiments/siammask
wget -q http://www.robots.ox.ac.uk/~qwang/SiamMask_VOT.pth
wget -q http://www.robots.ox.ac.uk/~qwang/SiamMask_DAVIS.pth

• 运行 demo.py

cd $SiamMask/experiments/siammask
export PYTHONPATH=$PWD:$PYTHONPATH
python ../../tools/demo.py --resume SiamMask_DAVIS.pth --config config_davis.json

• 
  

测试模型

• 设置 好使用环境

• 下载测试数据

cd $SiamMask/data
bash get_test_data.sh

• 下载预训练模型

cd $SiamMask/experiments/siammask
wget -q http://www.robots.ox.ac.uk/~qwang/SiamMask_VOT.pth
wget -q http://www.robots.ox.ac.uk/~qwang/SiamMask_DAVIS.pth

• 评估 VOT 的表现

bash test_mask_refine.sh config_vot.json SiamMask_VOT.pth VOT2016 0
bash test_mask_refine.sh config_vot.json SiamMask_VOT.pth VOT2018 0
python ../../tools/eval.py --dataset VOT2016 --tracker_prefix Cus  --result_dir ./test/VOT2016
python ../../tools/eval.py --dataset VOT2018 --tracker_prefix Cus  --result_dir ./test/VOT2018

• 评估 DAVIS 的性能（少于50秒）

bash test_mask_refine.sh config_davis.json SiamMask_DAVIS.pth DAVIS2016 0
bash test_mask_refine.sh config_davis.json SiamMask_DAVIS.pth DAVIS2017 0

• 评估 Youtube-VOS 的性能（需要 从网站下载数据 ）

bash test_mask_refine.sh config_davis.json SiamMask_DAVIS.pth ytb_vos 0

结果

以下是在本项目仓库复制的结果。 所有结果都可以从我们的 项目页面 下载。

跟 踪 器	VOT2016 EAO / A / R	VOT2018 EAO / A / R	DAVIS2016 J / F	DAVIS2017 J / F	Youtube-VOS J_s / J_u / F_s / F_u	速度
SiamMask w/o Mask	0.412 / 0.623 / 0.233	0.363 / 0.584 / 0.300	- / -	- / -	- / - / - / -	76.95 FPS
SiamMask	0.433 / 0.639 / 0.214	0.380 / 0.609 / 0.276	0.713 / 0.674	0.543 / 0.585	0.602 / 0.451 / 0.582 / 0.477	56.23 FPS

注意：速度是在 GTX 2080 上测试的

License

本项目遵循MIT Licence

引用SiamMask

如果你需要使用代码，请引用下方的声明代码块：

@article{Wang2019SiamMask,
    title={Fast Online Object Tracking and Segmentation: A Unifying Approach},
    author={Wang, Qiang and Zhang, Li and Bertinetto, Luca and Hu, Weiming and Torr, Philip HS},
    journal={The IEEE Conference on Computer Vision and Pattern Recognition (CVPR)},
    year={2019}
}

AI求职百题斩 · 每日一题

每天进步一点点，扫码参与每日一题！

点击阅读原文，可查看本文划线链接部分内容