文章目录
- 前言
- 1、环境搭建
- 2、文件配置
- 3、测试及对比
- 3.1 单跟踪器测试
- 3.2 多跟踪器对比
前言
pysot-toolkit是一款评估单目标跟踪性能的工具，可以计算OPE(One Pass Evaluation)下的Success和Precision、以及VOT(Visual Object Tracking)的性能指标Accuracy、Robustness、EAO等。本文在ubuntu系统下进行测试。
1、环境搭建
首先在命令行输入pysot-toolkit下载命令：
接着安装pysot-toolkit下requirements.txt里面的库包：
tqdm
numpy
glob
opencv-python
colorama
numba
安装时这些包时，可以单独创建一个供pysot-toolkit使用的虚拟环境，也可以在现有环境中安装缺少的包，我是直接在现有环境安装了colorama，进入虚拟环境后，安装指令统一使用pip install xxx。最后，终端命令cd进入pysot-toolkit/pysot/utils/文件，在该路径下输入如下指令，python3.7可以根据你的解释器版本改变。
编译成功后，可以在utils下看到如下文件，至此，环境搭建完成！
2、文件配置
环境搭好啦，第二步时配置所需文件，先给出官网教程，仅以VOT2016为例，其他类似。
–dataset_dir：VOT2016数据集路径
–dataset VOT2016：数据集名称
–tracker_result_dir：用你算法跑出来的的results路径
–trackers XXX：跟踪器名称XXX
-
–dataset_dir:该路仅是VOT2016数据集的路径，这里记得下载VOT2016.json文件然后存放在VOT2016数据集的路径下，点这下载，该文件存放的是数据集的视频信息。
-
–tracker_result_dir：我仅以pysot-toolkit作为评估工具，所以算法跑出来的results事先准备好了，放在该路径下。
接下来，看下这个文件夹的tree结构
3、测试及对比
3.1 单跟踪器测试
环境搭好，文件也配置好了，接下来只需要在终端按顺序输入如下命令，便能评估算法性能。首先，进入你搭好的环境中，然后在该环境下进入pysot-toolkit文件下输入评估指令。
这里给的数据集路径和results路径使用的是绝对路径，更清晰可观。
3.2 多跟踪器对比
先来看一下文件夹树结构吧。
所有跟踪器的results以它的名称命名，这里有点疑惑的是，必须要有一个baseline的子目录才能正常运行评估，目前我还没看评估源码，所以也不是很清楚，希望知道的小伙伴评论讨论下，谢谢！对比时终端输入的指令及结果如下：
