ATOM代码运行（二）---Tracking

evaluation: 包含了在数据集上运行跟踪器的重要脚本，它也包含了大量标准跟踪数据集的一个集成，有OTB-100,NFS,UAV123,TColor 128,TrackingNet,GOT-10k,LaSOT,and VOT2018;还有数据集的环境设置，即路径；
experiments: 存储实验设置的文件
features: 包含了用于特征提取的函数，包括各种数据增强的方法
libs: 包含优化的一些库，dcf等
parameter: 包含对于不同的跟踪器的一些参数设置
tracker: 包含不同跟踪器的实现
utils: 一些工具的函数

在上一篇博客中，ATOM 代码运行（一）我们搭建好了环境，现在开始 Running a tracker，而且上一篇也提到了， 在"evaluation/local.py”文件里面可以设置自己想要跑或者评估的数据集的路径，如果没有生成这个local.py文件。可以运行evaluation.environment.create_default_local_file()来生成 它。当然如果你不想使用默认的路径，也可以改变网络和结果 的路径。（我只加了otb数据集的路径）

这里提供了三种方法：
（1）run the tracker on webcam feed
上一篇博客已经介绍
（2）run the tracker on some dataset sequence
python run_tracker.py tracker_name parameter_name --dataset_name dataset_name --sequence sequence --debug debug --threads threads
以下是参数的详解
我运行如下，python run_tracker.py atom default --dataset otb --sequence Soccer --debug 0 --threads 8

tracker_name :atom
parameter_name:

其余的都是可选参数了，对于–dataset_name,代码写的是–dataset,所以按照readme上写会报错：

从这里可以详细看出它需要哪些参数，–sequence 是你数据集中任何一个序列的名字，当然也可以是索引，–debug ,debug 则是设定debug level, 0表示提供最少的信息，9表示提供最多的信息，数越高,越详细。–thread, 是多线程参数
命令弄明白之后，看一下一下报错：

这类型的报错是由于你的数据集和代码中给定的pytracking/evaluation/otbdataset.py 下的_get_sequence_info_list（）函数描述的信息不符，它找不到，所以你可以改数据集或者代码的描述
以上报错修改好了，就可以在tracking_results /atom/default下 找到生成的.txt文件结果和相应的运行时间。
当debug为0时，只保存结果，没有可视化，当把 debug 等级设为8时，没有保存结果，但是可以修改代码保存一下结果的，会出现可视化，和一些图，部分图如下：
第一张是第一帧可视化的结果

这是后续帧 可视化的结果，发现只有跟踪的框框，这个可视化也不怎么明确，自己可修改几行代码把ground truth 也可视化出来，对比看更好（已实现）
右边是跟踪过程中显示的最大分数（具体看看怎么可视化，show_tensor）,

在最开始初始化时运行basetracker.py 中state=self.track(image)最大分数为1，显示图如下：

这两个图，loss和CG residuals是在运行basetracker.py代码为：self.initialize(image,sequence.init_state) 时出现的。

关于上述运行的警告： UserWarning: Default upsampling behavior when mode=bilinear is changed to align_corners=False since 0.4.0. Please specify align_corners=True if the old behavior is desired. See the documentation of nn.Upsample for details.
查了一下是函数interpolate()函数中的警告：
至于原因得具体看代码，不过也不影响
（3）run the tracker on a set of datasets
这个使用run_experiment脚本来执行，在使用这个脚本执行之前，你需要在pytracking/experiments/myexperiments.py创建一个z自己想运行数据集的实验设置文件
python run_experiment.py experiment_module experiment_name --dataset_name dataset_name --sequence sequence --debug debug --threads threads
接下来看两个参数，其他参数同上
experiment_module ： 是那个实验设置文件的名字。e.g. myexperiments
experiment_name : 是那个实验设置的名字 。 e.g. atom_nfs_uav，otb_test（我自己加的）
代码中是两个跟踪器（ECO和ATOM）都运行，所以需要修改代码，去掉[Tracker(‘eco’, ‘default’, i) for i in range(1)]这行，然后只运行ATOM
还是因为数据集和otbdataset.py中的信息不一样报错：
因为这个OTB100数据集是经过处理的，把一些黑乎乎的图像去掉了， 如BlurCar1 不是从1开始而是从247开始，代码中是这样写的{“name”: “BlurCar1”, “path”: “BlurCar1/img”, “startFrame”: 247, “endFrame”: 988, “nz”: 4,}，而我的数据集都是从1开始的，这样就不对应了，读取错误，所以报错，心累，另外还会有数据集命名不一致错误，总之根据报错一个一个改吧！！！！
最后的结果保存在tracking_results/atom/default_000/下，如图所示：


这只是在otb100上测试，还可以试试其他数据集的（但是我都不熟悉），以后再说

********************************************* 更新 *********************************************
以上用的是resnet18模型，可以换成 resnet50 会达到0.43
用pysot集成工具测了vot2018 0.401 ，运行的时候改动了atom.py 加了score，basetracker.py中的def track_sequence()方法，default_vot.py 定义两个参数long_term,short_term

ATOM训练
总的梳理一下：run_tracker.py->otbdataset.py->evaluation/tracker.py->evaluation/running.py->basetracker.py
最开始加载网络的结果：

local.py myexperiments.py parameter/atom/default_vot.py run_experiment.py running.py basetracker.py atom.py votdataset.py loading.py coco