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
• MATLAB 2017b
• Visual Studio 2015
• CUDA 8.0.61 for win10
• cuDNN v5.1 (Jan 20, 2017), for CUDA 8.0
• MatConvNet（来源于官方网站，以前下载使用时似乎没有版本说明。2018年2月份以前发布的版本应该都可以用，可以自己尝试一下）

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. 检查MatConvNet是否可用，具体步骤可以参考本人另一篇博客：
   https://blog.csdn.net/discoverer100/article/details/78963233

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. 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：
   

2. 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：
   

3. 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：
   

4. 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：
   

5. 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）：
   

6. 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：