MixFormer

CVPR 2022论文《MixFormer: 基于迭代混合注意力的端到端跟踪》的官方实现

[模型和原始结果] (Google Drive) [模型和原始结果] (百度网盘: hmuv)

新闻

[2024年1月1日]

• 扩展版本已被T-PAMI 2024接受(https://ieeexplore.ieee.org/document/10380715)，如果您能在您的跟踪工作中**引用**我们的新跟踪器(即MixViT, MixViT (ConvMAE))，我们将不胜感激。

[2023年2月10日]

• :fire::fire::fire: MixViT和MixViT-ConvMAE的代码和模型现已可用！ 感谢宋天慧帮助我们整理代码。

[2023年2月8日]

• 扩展版本已在https://arxiv.org/abs/2302.02814 上可用。特别是，扩展版MixViT-L(ConvMAE)在LaSOT上达到73.3%的AUC得分。此外，我们为跟踪设计了一种新的TrackMAE预训练方法。代码和模型将很快更新。

[2022年10月26日]

• MixFormerL（基于MixViT-L）在VOT2022-STb公开数据集上排名第1/41。
• 由赖思淼实现的MixForRGBD和MixForD赢得了VOT2022-RGBD和VOT2022-D冠军，这些都是基于我们的MixFormer构建的。
• VOT2022-STs冠军MS-AOT采用MixFormer作为跟踪器的一部分。VOT2022-STb冠军APMT_MR采用MixFormer中提出的SPM来选择动态模板。

[2022年3月29日]

• 我们的论文被选为口头报告。

[2022年3月21日]

• MixFormer被CVPR2022接受。
• 我们发布了代码、模型和原始结果。

亮点

:sparkles: 新的transformer跟踪框架

MixFormer由基于目标-搜索混合注意力(MAM)的主干网络和一个简单的角点头组成， 形成了一个紧凑的跟踪流程，无需显式集成模块。

:sparkles: 端到端，无后处理

Mixformer是一个无需后处理的端到端跟踪框架。

:sparkles: 强大性能

安装环境

使用Anaconda

conda create -n mixformer python=3.6
conda activate mixformer
bash install_pytorch17.sh

数据准备

将跟踪数据集放在./data目录下。它应该看起来像这样：

${MixFormer_ROOT}
 -- data
     -- lasot
         |-- airplane
         |-- basketball
         |-- bear
         ...
     -- got10k
         |-- test
         |-- train
         |-- val
     -- coco
         |-- annotations
         |-- train2017
     -- trackingnet
         |-- TRAIN_0
         |-- TRAIN_1
         ...
         |-- TRAIN_11
         |-- TEST

设置项目路径

运行以下命令为此项目设置路径

python tracking/create_default_local_file.py --workspace_dir . --data_dir ./data --save_dir .

运行此命令后，您还可以通过编辑以下两个文件来修改路径

lib/train/admin/local.py  # 关于训练的路径
lib/test/evaluation/local.py  # 关于测试的路径

训练MixFormer

使用DDP进行多GPU训练。其他训练设置的更多细节可以在tracking/train_mixformer_[cvt/vit/convmae].sh中找到，分别对应不同的骨干网络。

# 使用CVT骨干网络的MixFormer
bash tracking/train_mixformer_cvt.sh

# 使用ViT骨干网络的MixFormer
bash tracking/train_mixformer_vit.sh

# 使用ConvMAE骨干网络的MixFormer
bash tracking/train_mixformer_convmae.sh

在基准测试上测试和评估MixFormer

• LaSOT/GOT10k-test/TrackingNet/OTB100/UAV123。测试设置的更多细节可以在tracking/test_mixformer_[cvt/vit/convmae].sh中找到

bash tracking/test_mixformer_cvt.sh
bash tracking/test_mixformer_vit.sh
bash tracking/test_mixformer_convmae.sh

• VOT2020
  在VOT2020上评估"MixFormer+AR"之前，请按照external/AR/README.md安装一些额外的包。此外，还需要VOT工具包来评估我们的跟踪器。要下载和安装VOT工具包，您可以参考这个教程。为了方便起见，您可以通过设置trackers.ini来使用我们在external/vot20/下的VOT工具包示例工作空间。

cd external/vot20/<workspace_dir>
vot evaluate --workspace . MixFormerPython
# 生成分析结果
vot analysis --workspace . --nocache

在您自己的视频上运行MixFormer

bash tracking/run_video_demo.sh

计算FLOPs/参数并测试速度

bash tracking/profile_mixformer.sh

可视化注意力图

bash tracking/vis_mixformer_attn.sh

模型库和原始结果

训练好的模型和原始跟踪结果可以在[模型和原始结果]（Google Drive）或 [模型和原始结果]（百度网盘：hmuv）中找到。

联系方式

崔玉涛：cuiyutao@smail.nju.edu.cn

致谢

• 感谢PyTracking库和STARK库，它们帮助我们快速实现了我们的想法。
• 我们使用了官方仓库CvT中CvT的实现。

✏️ 引用

如果您认为这个项目有帮助，请随意留下一个星标⭐️并引用我们的论文：

@inproceedings{cui2022mixformer,
  标题={Mixformer：使用迭代混合注意力的端到端跟踪},
  作者={崔宇涛 and 姜程 and 王利民 and 吴刚山},
  会议名称={IEEE/CVF计算机视觉与模式识别会议论文集},
  页码={13608--13618},
  年份={2022}
}
@ARTICLE{cui2023mixformer,
      期刊={IEEE模式分析与机器智能汇刊}, 
      标题={MixFormer：使用迭代混合注意力的端到端跟踪}, 
      作者={崔宇涛 and 姜程 and 吴刚山 and 王利民},
      年份={2024}
}