OTB100/2015 matlab toolkit的使用_otb2015

其实很早之前就已经写过关于otb这个数据集测试的博客: OTB官方评估代码python版本–评估自己跟踪器，对比其他跟踪器, 不过当时比较紧急没有时间使用matlab版本的工具箱来实现画图，虽然那个python版本的也能够做到，好多人也成功使用，但是还是很多人想用matlab画图，所以我抽空把这部分写一下，力争仔细一步步看完小白也能够成功测试tracker的结果。
好，废话不多说。

官网的工具箱一般都是在这里下载:

但是里面的代码部分有点小bug，而且真值文件只有51个，不能测试OTB2015或者叫做OTB100。这里放上我整理好直接可以用的供大家下载(开通的付费下载，有需用的请我喝杯咖啡，谢谢了)：
https://mbd.pub/o/bread/mbd-YpqWlplu

1. 预先准备

1. 我的测试环境是matlab2017a, ubuntu18.04。因为现在大家都只跑OPE了，所以本代码就不支持TRE和SRE了。（如果平台是windows，可能里面的路径分隔符需要改一下，其他的如果有也可以底下评论）
2. 你的结果文件里面需要的是100个(如果是OTB100)以序列名为命名的txt文件，里面的bbox的格式为xywh, OTB50或者CVPR13的序列名也保持和下面的一致(如果不一致运行会报错), 如果是pysot-toolkit跑出来的就直接可以用我这个:

   otb100 = ['Basketball', 'Biker', 'Bird1', 'Bird2', 'BlurBody', 'BlurCar1', 'BlurCar2', 'BlurCar3', 'BlurCar4',
             'BlurFace', 'BlurOwl', 'Board', 'Bolt', 'Bolt2', 'Box', 'Boy', 'Car1', 'Car2', 'Car24', 'Car4',
             'CarDark', 'CarScale', 'ClifBar', 'Coke', 'Couple', 'Coupon', 'Crossing', 'Crowds', 'Dancer', 'Dancer2',
             'David', 'David2', 'David3', 'Deer', 'Diving', 'Dog', 'Dog1', 'Doll', 'DragonBaby', 'Dudek', 'FaceOcc1',
             'FaceOcc2', 'Fish', 'FleetFace', 'Football', 'Football1', 'Freeman1', 'Freeman3', 'Freeman4', 'Girl',
             'Girl2', 'Gym', 'Human2', 'Human3', 'Human4', 'Human5', 'Human6', 'Human7', 'Human8', 'Human9', 'Ironman',
             'Jogging.1', 'Jogging.2', 'Jump', 'Jumping', 'KiteSurf', 'Lemming', 'Liquor', 'Man', 'Matrix', 'Mhyang',
             'MotorRolling', 'MountainBike', 'Panda', 'RedTeam', 'Rubik', 'Shaking', 'Singer1', 'Singer2', 'Skater',
             'Skater2', 'Skating1', 'Skating2.1', 'Skating2.2', 'Skiing', 'Soccer', 'Subway', 'Surfer', 'Suv',
             'Sylvester', 'Tiger1', 'Tiger2', 'Toy', 'Trans', 'Trellis', 'Twinnings', 'Vase', 'Walking', 'Walking2',
             'Woman']
             
   otb50 = ['Basketball', 'Biker', 'Bird1', 'BlurBody', 'BlurCar2', 'BlurFace', 'BlurOwl', 'Bolt', 'Box', 'Car1',
            'Car4', 'CarDark', 'CarScale', 'ClifBar', 'Couple', 'Crowds', 'David', 'Deer', 'Diving', 'DragonBaby',
            'Dudek', 'Football', 'Freeman4', 'Girl', 'Human3', 'Human4', 'Human6', 'Human9', 'Ironman', 'Jump',
            'Jumping', 'Liquor', 'Matrix', 'MotorRolling', 'Panda', 'RedTeam', 'Shaking', 'Singer2', 'Skating1',
            'Skating2.1', 'Skating2.2', 'Skiing', 'Soccer', 'Surfer', 'Sylvester', 'Tiger2', 'Trellis', 'Walking',
            'Walking2', 'Woman']
   
   cvpr13 = ['Basketball', 'Bolt', 'Boy', 'Car4', 'CarDark', 'CarScale', 'Coke', 'Couple', 'Crossing', 'David',
             'David2', 'David3', 'Deer', 'Dog1', 'Doll', 'Dudek', 'FaceOcc1', 'FaceOcc2', 'Fish', 'FleetFace',
             'Football', 'Football1', 'Freeman1', 'Freeman3', 'Freeman4', 'Girl', 'Ironman', 'Jogging.1', 'Jogging.2',
             'Jumping', 'Lemming', 'Liquor', 'Matrix', 'Mhyang', 'MotorRolling', 'MountainBike', 'Shaking', 'Singer1',
             'Singer2', 'Skating1', 'Skiing', 'Soccer', 'Subway', 'Suv', 'Sylvester', 'Tiger1', 'Tiger2', 'Trellis',
             'Walking', 'Walking2', 'Woman']
   1
   2
   3
   4
   5
   6
   7
   8
   9
   10
   11
   12
   13
   14
   15
   16
   17
   18
   19
   20
   21
   22
   23
   24
   25

3. 我在results/results_OPE底下放了一个SiamBAN在OTB100上的结果作为demo和参考，如果你跑出来遇到anno和你tracker预测的某个序列下帧结果长度不一致的问题，那就是你跑的有问题，以这里面的为准。你解压后直接运行perfPlot.m就能出来SiamBAN的结果，可以发现和论文里面是一致的：
   
   

2. 具体使用步骤

• 按照第一步里面的要求准备好结果文件后，设想这里的文件夹为SiamBAN，里面有100个txt结果，你需要把整个文件夹拷贝到results/results_OPE下面

• 修改util/configTrackers.m里面的tracker，有多个的话一样的，比如我这里就是（关键name要和results_OPE下的文件夹名一样，namePaper后面的名字是到时候会显示在图中的名字）：

  trackers = {
  struct(‘name’,‘SiamBAN’,‘namePaper’,‘SiamBAN’)};

• 去到perfPlot.m的【62行】,根据自己的需要选择是configSeqs_OTB100, configSeqs_OTB50还是configSeqs_CVPR13。perfPlot.m最下面有画每个属性的图的代码，我目前注释掉了，有需要的可以去掉注释。然后点击运行perfPlot.m就可以出来结果啦

使用中注意的地方：

1. 如果遇到改了名字结果图中还是原来的tracker的名字，只需要去perfMat/overall下面删掉缓存的.mat文件，其实.mat文件名里面的1alg中的1就是configTrackers.m中tracker的数量，前后运行两次tracker数量不一样的时候是不会出现这个问题的，因为文件保存的名字不一样
   
2. 如果遇到图中有些位置结果挤不下了，就可以点击下图中的这个按钮，进去后可以拉伸调整位置
   
   【PS】:官方的代码需要rankingType = 'AUC’时能得到正确的success plot；rankingType = 'threshold’时能得到正确的precision plot，而这里改过以后就不需要运行两次了，运行一次就可以直接出来正确的success plot和precision plot

一些其他trackers的结果

我把cvpr2013的论文里面的结果也放在results/results_OPE下面了，注意运行他们的时候选成configSeqs_CVPR13，然后修改util/configTrackers.m里面的tracker就可以一键运行出来，和官网上的几乎一样(个别小数点后两位不一样应该就是结果本身的问题，转化过程中没有误差):
官网图片success
官网图片precision
大家相比较话可以自行选择对应的tracker加入图中。