标签：-- 代码 py 笔记 python pytorch17 STARK 下载
STARK代码学习笔记
前言
本文记录了STARK代码学习阶段的步骤，核心内容从原作者的github中搬运，对于部分内容（如不同数据集的测试语句）仅以一个为例进行展示，详细请查看原github页面。
code链接：https://github.com/researchmm/Stark
paper链接：https://arxiv.org/abs/2103.17154
STARK的Highlights:
- End-to-End： 直接预测一个精准的边界框作为跟踪结果。
- Post-processing Free： 不需要任何超参数敏感性的处理，性能稳定。
- Real-Time Speed： STARK-ST50, STARK-ST101在Tesla V100上的运行时间分别为40和30FPS；STARK-Lightning在RTX TITAN上的运行时间为200-300FPS
开始前的准备工作，从https://github.com/researchmm/Stark中下载代码部分
一、环境安装
该项目基于pytorch17的框架，如果已经有pytorch17的环境可以直接在自己电脑中的环境中运行，不用再重建虚拟环境。
进入自己的pytorch17的虚拟环境中，安装STRAK中的所需的其他库(记得进入install_pytorch17.sh把前4行中安装pytorch的语句删除)。
conda activate pytorch17 # 我的虚拟环境的名称就叫做pytorch17
bash install_pytorch17.sh # 安装其他库
二、设置项目路径
cd到STARK文件夹，执行以下语句，会在 lib/train/admin/local.py 和 lib/test/evaluation/local.py 中分别生成训练数据和测试数据的路径，之后如果要修改数据路径也是在对应local.py文件中修改。
python tracking/create_default_local_file.py --workspace_dir . --data_dir ./data --save_dir .
三、训练STARK
用单个GPU训练
python tracking/train.py --script stark_s --config baseline --save_dir . --mode single
四、测试STARK
1. 下载预训练模型
直接进行测试的话，需要下载一个预训练好的模型
- 官方链接：https://github.com/researchmm/Stark/blob/main/MODEL_ZOO.md
- 我自己只下了STARK-ST50的baseline，存放在阿里云盘里了，下载挺快的：https://www.aliyundrive.com/s/erHasVGm46h
下载完成后在项目根目录下创建checkpoints/train/strak_st2/baseline文件夹，并将文件放在里面。
2. 准备测试数据集
以LaSOT数据集为例，在项目的根目录下创建data文件夹，然后放入自己下好的LaSOT数据集。
- LaSOT链接：http://vision.cs.stonybrook.edu/~lasot/download.html
- 全部的LaSOT序列太大了，我这里只下载了truck的序列视频（约5G），阿里云盘链接：
以LaSOT数据集为例，终端环境下测试语句如下：
# 在终端下测试
python tracking/test.py stark_st baseline --dataset lasot --threads 32
python tracking/analysis_results.py # need to modify tracker configs and names
直接运行会出BUG，还需要修改以下几个地方。
-
将lasotdataset.py中的def _get_sequence_list()方法里的sequence_list改为[‘truck-1’,…,] （这是因为我们只下载了truck序列的数据集）
-
在终端重新运行
python tracking/test.py stark_st baseline --dataset lasot --threads 32
会提示Downloading: restnet50之类的语句，这是在下载backbone，虽然只有97.8M还是很慢，我自己下载好后放到了该语句中提示的下载处。
restnet50的阿里云盘链接：https://www.aliyundrive.com/s/yb9SVcm4wY2
这时再重新运行，进行测试
python tracking/test.py stark_st baseline --dataset lasot --threads 32
五、STARK代码细节
待补充
标签：--,代码,py,笔记,python,pytorch17,STARK,下载 来源： https://blog.csdn.net/m0_37412775/article/details/120862772
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。