CFNet视频目标跟踪源码运行笔记（1）——only tracking

友情提示：如果希望了解如何从头开始训练网络并进行跟踪，可以阅读本人另一篇博客： CFNet视频目标跟踪源码运行笔记（2）——training and then tracking

论文信息

论文题目：End-to-end representation learning for Correlation Filter based tracking
论文出处：CVPR 2017
论文作者：Jack Valmadre，Luca Bertinetto等人
论文主页：http://www.robots.ox.ac.uk/~luca/cfnet.html
源码链接：https://github.com/bertinetto/cfnet

运行环境介绍

• Windows 10 x64（需要在Ubuntu Linux上运行CFNet算法的同学可以参考本人另一篇博客：https://blog.csdn.net/discoverer100/article/details/83500731 ）
• MATLAB 2017b
• Visual Studio 2015
• CUDA 8.0.61 for win10
• cuDNN v5.1 (Jan 20, 2017), for CUDA 8.0
• MatConvNet 1.0-beta25 （http://www.vlfeat.org/matconvnet/download/matconvnet-1.0-beta25.tar.gz）此处感谢“月色真美”同学的无私帮助~

注意： 如果在tracking过程中发现CFNet算法跟踪效果非常糟糕，请参照本文末尾的方法进行修正（此处感谢博客园博主“博闻强记2010”的博客文章《代码问题:【SiameseFC】》）。

准备

1. 安装CUDA，具体步骤可以参考本人另一篇博客：
   https://blog.csdn.net/discoverer100/article/details/79758499

2. 安装cuDNN，具体步骤可以参考本人另一篇博客：
   https://blog.csdn.net/discoverer100/article/details/79759282

3. 配置MatConvNet，具体步骤可以参考本人另一篇博客：
   https://blog.csdn.net/discoverer100/article/details/78963233
   （注意： 在首次运行CFNet代码前，一定需要编译MatConvNet，上述博客会提及操作方法。另外Ubuntu系统环境可以参考 https://blog.csdn.net/discoverer100/article/details/83500731 ）

4. 下载CFNet的MATLAB源码：https://github.com/bertinetto/cfnet

5. 本博客仅描述only tracking模式的运行（training模式会在后续文章中介绍），因此需要下载作者官方预训练的深度网络文件，链接：https://bit.ly/cfnet_networks

6. 下载validation视频集：https://bit.ly/cfnet_validation

7. 下载cfnet_ILSVRC2015.stats.mat文件，链接：
   https://drive.google.com/file/d/0B7Awq_aAemXQcndzY3M5dkprVTA/view?usp=sharing

操作

1. 对上述下载的CFNet源码包进行解压，形成文件夹cfnet-master，如下图所示：
   

2. 对上述下载的预训练网络文件压缩包解压，并拷贝到pretrained\networks目录中，形成如下图所示的目录文件层次结构：
   

3. 将准备工作中下载好的validation视频集解压，修改文件夹的名字cfnet-validation，改为validation，并复制到data文件夹中，以basketball视频为例，最终的目录文件组织如下图所示：
   

4. 将准备工作中下载cfnet_ILSVRC2015.stats.mat文件，重命名为ILSVRC2015.stats.mat，并复制到data目录中，最终的目录文件组织如下图所示：
   

5. 进入src/tracking目录，会发现里面有两个.example后缀名的文件，将这个后缀名去掉，还原成.m的样子（如果担心文件被自己弄坏了也可以原地复制再修改），如下图所示：
   

6. 在刚刚恢复后缀名的startup.m文件中，设定好MatConvNet的路径，其形式如下图所示（具体结合自身实际）：
   

7. 在刚刚恢复后缀名的env_paths_tracking.m文件中，设定好networks、data和statsmat的文件夹的路径（注意：如果是文件夹那么最后要带一个斜杠），如下图所示：
   

运行

运行startup.m文件，MATLAB可能会报一些函数名重名的警告，不必理会，如下图所示：

运行run_cfnet2_evaluation.m文件，成功，如下图所示：

如果希望体验其他层的网络效果，可以尝试运行其他的evaluation文件。

这里需要注意的是：代码默认仅仅计算物体坐标，并不会在屏幕上显示视频画面内容和标定。如果需要显示画面，可以进入tracker.m文件，将第16行的p.visualization赋值为true，这样的效果如下图所示：

修正（非必须）

若在运行过程中发现CFNet源码跟踪非常不靠谱，有可能是因为MATLAB imresize函数的GPU实现方式在某些环境下有所不同，可以尝试按照如下方式进行修正：

1. MATLAB版本可以维持当前的2017b不变
2. 将MatConvNet版本替换为matconvnet-1.0-beta24，下载地址：http://www.vlfeat.org/matconvnet/download/matconvnet-1.0-beta24.tar.gz
   （注意：别忘了重新编译MatConvNet，并且需要按照 操作 这一节中的 步骤 5 所示，修正MatConvNet库的引用路径）
3. 打开src\tracking目录下的tracker_step.m文件，将大约第14行的代码注释掉，注释后如下所示：

% responseMapsUP(:,:,s) = imresize(responseMaps(:,:,s), p.responseUp, 'bicubic');

4. 在上述被注释的代码下方，粘贴如下的三行代码，如下所示：

responseMaps_cpu=gather(responseMaps(:,:,s));
responseMapsUP_cpu=imresize(responseMaps_cpu, p.responseUp, 'bicubic');
responseMapsUP(:,:,s)=gpuArray(responseMapsUP_cpu);

最后，再一次感谢博客园博主“博闻强记2010”的博客文章《代码问题:【SiameseFC】》）

---

更多内容，欢迎扫码关注“视觉边疆”微信订阅号