fastonlineobjecttrackingandsegmentation :认证应用程序
论文地址：
https://arxiv.org/abs/1812.05050
Github项目地址：
https://github.com/foolwood/被宠坏的黑猫#环境- setup
这是被宠坏的黑猫(CVPR2019 )的官方参考代码。 有关技术详细信息，请参见：
fastonlineobjecttrackingandsegmentation :认证应用程序
作者： Qiang Wang*，Li Zhang*，危机吐司Bertinetto*，Weiming Hu，Philiph.s.torr(*表示做出了同等的贡献) ) ) ) ) ) ) )。
CVPR2019
“图纸-论文”“视频-视频”“项目页”
目录
环境设定演示文稿
测试模型
所有
环境设置
代码都在Ubuntu 16.04、Python 3.6、Pytorch 0.4.1、CUDA 9.2和GTX 2080 GPU环境中进行了测试项目仓库的克隆
git clone https://Github.com/Fool wood /设置被宠坏的黑猫. git cd被宠坏的黑猫小点心被宠坏的黑猫=$pwdpython环境
将conda create-nnqdsypython=3.6 sourceactivatenqdsypipinstall-rrequirements.txtbashmake.sh项目添加到python路径中
exportpythonpath=$ pwd : $ python路径
Demo
调整使用环境下载被宠坏的黑猫模型
被宠坏的黑猫/宠坏的黑猫/experiments/nqdsywget-q http://www.robots.ox.AC.uk/~ qwang /被宠坏的黑猫_ vot.PTH wget-q 358 ww .
被宠坏的黑猫/experiments/nqdsyexportpythonpath=$ pwd : $ pythonpathpython./tools/demo.py---resume被宠坏
测试模型
调整使用环境下载测试数据
下载被cd $宠坏的黑猫/数据库获取_测试_数据. SH预训练模型
被宠坏的黑猫/宠坏的黑猫/experiments/nqdsywget-q http://www.robots.ox.AC.uk/~ qwang /被宠坏的黑猫_ vot.PTH wget-q 358 ww .
bash test _ mask _ refine.sh config _ vot.JSON被宠坏的黑猫_ vot.PTH vot 2016 bash test _ mask _ refine.sh config _ vot .被宠坏的黑猫.
bash test _ mask _ refine.sh配置_ Davis.JSON被宠坏的黑猫_ Davis.PTH Davis 2016基本测试_ mask _ refine.sh配置_。
bash test _ mask _ refine.sh config _ Davis.JSON宠坏的黑猫_DAVIS.pth ytb_vos 0
结果
以下为本项目仓库复制的结果。 所有的结果都可以从我们的项目页面下载。追踪器
2016年冬季奥运会
欧盟/甲级联赛
2018年冬季奥运会
欧盟/甲级联赛
DAVIS2016
日本国际航空母舰
2017年日本大奖赛
日本国际航空母舰
Youtube-VOS
j/s/j/u/f/s/f _ u
速度
娇生惯养的黑猫w/o掩码
0.412/0.623/0.233
0.363/0.584/0.300
//-
//-
---------
76.95 FPS
娇滴滴的黑猫
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：速度已通过GTX 2080测试
License
本项目将遵守MIT许可证如果需要使用
引用娇气的黑猫
代码，请参见以下声明代码块。@article{Wang2019被宠坏的黑猫，title={ fastonlineobjecttrackingandsegmentation 3360 aunifyingapproach }，author={Wang，qiicle 飞利浦HS，日本={ theieee conference computer vision and patternrecognition }，年