1. 论文基本信息

• 论文标题：Meta-Tracker: Fast and Robust Online Adaptation for Visual Object Trackers
• 论文作者：Eunbyung Park（Department of Computer Science, University of North Carolina at Chapel Hill）等人
• 论文出处：ECCV 2018
• 在线阅读：http://openaccess.thecvf.com/content_ECCV_2018/papers/Eunbyung_Park_Meta-Tracker_Fast_and_ECCV_2018_paper.pdf
• 源码链接：https://github.com/silverbottlep/meta_trackers

2. 运行环境介绍

• NVIDIA GTX 1070
• Ubuntu 16.04 x64
• CUDA 8.0.61 for Ubuntu 16.04
• cuDNN 5.1 for CUDA 8.0
• Python 3.6
• PyTorch 0.2.0

3. 准备：

S1. 下载Meta-Tracker官方源码并解压。链接：https://github.com/silverbottlep/meta_trackers 。

S2. 下载imagenet-vgg-m.mat文件，将该文件放置到源码中的meta_sdnet/models目录下（如果没有models文件夹就自己创建一个）。链接：http://www.vlfeat.org/matconvnet/models/imagenet-vgg-m.mat 。

S3. 下载imagenet-vgg-verydeep-16.mat文件，将该文件放置到源码中的/meta_crest/models目录下（如果没有models文件夹就自己创建一个）。链接：http://www.vlfeat.org/matconvnet/models/imagenet-vgg-verydeep-16.mat 。

S4. 下载meta_init_vot_ilsvrc.pth文件（for MetaSDNet），将该文件放置到源码中的meta_sdnet/models目录下。链接：https://drive.google.com/file/d/1hQm9pHO_FJDceAcX_DDqoiZvNpXUfJ5D/view 。

S5. 下载meta_init_otb_ilsvrc.pth文件（for MetaSDNet），将该文件放置到源码中的meta_sdnet/models目录下。链接：https://drive.google.com/file/d/1y5Iqd40G6CrRZTeY2zHybO49qfUmGjXE/view 。

S6. 下载meta_init_vot_ilsvrc.pth文件（for MetaCREST），将该文件放置到源码中的meta_crest/models目录下。链接：https://drive.google.com/file/d/1pBiVFaoi1kjK_COnQxZehmLvA59o3PGt/view 。

S7. 下载meta_init_otb_ilsvrc.pth文件（for MetaCREST），将该文件放置到源码中的meta_crest/models目录下。链接：https://drive.google.com/file/d/1THmp-FdUPu2lzueSJlXsMOPBpe7QYh2q/view 。

S8. 将OTB数据集放置到源码中的dataset/OTB目录下，如下图所示：

S9. 根据这篇笔记（https://blog.csdn.net/discoverer100/article/details/87372180 ），添加一个tb_100.txt文件到源码的dataset/OTB目录下，添加后如下图所示：

4. 运行（以MetaSDNet为例）

作者官方给出的实现，有MetaSDNet和MetaCREST两个版本，这里以MetaSDNet为例介绍其运行过程。

S1. 若仅仅需要选择自己感兴趣的视频来运行，首先打开刚才源码中复制进来的tb_100.txt文件，删掉所有其他的行，保留自己感兴趣视频所对应的行（例如Bolt2视频），如下图所示：

S2. 进入到源码中的meta_sdnet/meta_tracking目录中，在终端中运行如下命令即可运行MetaSDNet跟踪算法（请确保当前的Python版本为3.6）：

python run_tracker.py -d

运行效果如下图所示（绿色矩形框表示ground-truth，红色矩形框表示算法result）：

也可以不带图像显示运行，其运行命令为：

python run_tracker.py

5. 可能出现的问题及解决方法

问题 1： 找不到PIL模块，ModuleNotFoundError: No module named 'PIL'。
解决： 在自己的Python 3.6环境中安装Pillow库，可以用命令pip install Pillow进行安装。

问题 2： 找不到matplotlib模块，ModuleNotFoundError: No module named 'matplotlib'。
解决： 在自己的Python 3.6环境中安装matplotlib库，可以用命令conda install -c conda-forge matplotlib进行安装。

问题 3： 找不到scipy模块，ModuleNotFoundError: No module named 'scipy'。
解决： 在自己的Python 3.6环境中安装scipy库，可以用命令conda install scipy进行安装。

问题 4： 找不到sklearn模块，ModuleNotFoundError: No module named 'sklearn'。
解决： 在自己的Python 3.6环境中安装scikit-learn库，可以用命令conda install scikit-learn进行安装。

问题 5： 在显示视频图像的模式下报错：

Fontconfig warning: FcPattern object weight does not accept value [50 200)
Segmentation fault (core dumped)

解决： 检查自己的matplotlib版本是不是2.x的，如果是，请在自己的Python 3.6环境中将其重新安装，更换为3.x的版本。

问题 6： 一个视频跟踪完成后，出现如下错误：

Traceback (most recent call last):
  File "run_tracker.py", line 435, in <module>
    json.dump(res, open('../result4/otb/' + seq + '_' + tracker_name + '.json', 'w'), indent=2)
FileNotFoundError: [Errno 2] No such file or directory: '../result4/otb/Basketball_MetaTracker-Init1-Online15-lr0.000050.json'

解决： 在源码的meta_sdnet目录下，创建一个result4文件夹，再在result4文件夹内部创建一个otb文件夹，创建好后如下图所示：