ADNet视频目标跟踪源码运行笔记（MATLAB版本）——training and then test模式

友情提示：如果只希望了解如何利用作者发布的预训练网络直接进行tracking（免训练模式），可以阅读本人另一篇博客：https://blog.csdn.net/discoverer100/article/details/86497284

1. 论文基本信息

• 论文标题：Action-Decision Networks for Visual Tracking with Deep Reinforcement
  Learning
• 论文作者：Sangdoo Yun（Seoul National University, South Korea）等人
• 论文出处：CVPR 2017
• 在线阅读：http://openaccess.thecvf.com/content_cvpr_2017/papers/Yun_Action-Decision_Networks_for_CVPR_2017_paper.pdf
• 补充材料：http://openaccess.thecvf.com/content_cvpr_2017/supplemental/Yun_Action-Decision_Networks_for_2017_CVPR_supplemental.pdf
• 源码链接1：https://github.com/hellbell/ADNet （MATLAB版本）
• 源码链接2：https://github.com/ildoonet/tf-adnet-tracking （TensorFlow版本）

---

2. 运行环境介绍

• NVIDIA GTX 1070
• Windows 10 x64
• Visual Studio 2013
• MATLAB R2016b（MATLAB需要配置VS2013作为C和C++编译器）
• CUDA 7.5.18 for win10 and CUDA 8.0.61 for win10 （需要两个版本，可以共存）
  （注： 就本文的范围而言，无需手工在操作系统中配置环境变量）

---

3. 准备

S1. 下载VOT2013、VOT2014、VOT2015数据集

• VOT2013下载地址：http://www.votchallenge.net/vot2013/dataset.html
• VOT2014下载地址：http://www.votchallenge.net/vot2014/dataset.html
• VOT2015下载地址：http://www.votchallenge.net/vot2015/dataset.html

下载好之后将数据集整理好（从VOT官网下载，会发现2013和2014的下载方式为每个视频独立下载，并且图像和标注文件是分开下载的，因此下载之后需要整理。VOT2015则提供了打包下载，无需整理。），放到一个自己指定的目录中并记好路径，如下图所示：

注： VOT数据集的习惯做法是：视频图像文件和标注文件是存放在一起的。在整理VOT2013和VOT2014时需要留意这一点，整理好的视频内部如下图所示：

S2. 下载初始化的网络模型imagenet-vgg-m-conv1-3.mat，下载地址：https://raw.githubusercontent.com/HyeonseobNam/MDNet/master/models/imagenet-vgg-m-conv1-3.mat

下载后，将imagenet-vgg-m-conv1-3.mat放入到ADNet源码models目录中，如下图所示：

---

4. 编译源码自带MatConvNet（如果已经编译过则可以省略）

S1. 打开adnet_compile.m文件，修改cudaRoot的路径，可以根据自己的系统类型来选择修改，如下如所示（注： 这里用8.0版本的CUDA）：

S2. 根据自己的系统类型，打开utils\cropRectanglesMex目录下的build_cropRectanglesMex_on_windows.m或build_cropRectanglesMex.m文件，修改cudaRoot的路径，如下如所示（注： 这里用7.5版本的CUDA）：

S3. 运行S1中的adnet_compile.m文件，对MatConvNet进行编译。编译成功后如下图所示（不必理会warning）：

---

5. Training操作步骤

S1. 打开源码utils目录下的get_benchmark_path.m文件，修改对应的VOT三处路径，如下图所示：

S2. 运行源码中的adnet_train.m，即可进行网络训练，训练期间会有如下输出：

S3. 大约经过2.5小时（Core i5 + GTX 1070平台），会发现训练完成，并且在models目录下会有一个新生成的net.mat文件，如下图所示：

6. Test操作步骤

S1. 打开adnet_demo.m文件， 修改网络文件的路径为上述第4节S2步骤得到的网络文件net.mat，如下图所示：

S2. 运行adnet_demo.m文件，默认跟踪自带的Freeman1 视频，如下所示：

MATLAB的输出如下图所示：