Siamese-RPN_code

目标跟踪算法的代码实现,精度在vot2018排名第一,鲁棒性很强.

# -*- coding: utf-8 -*-
“““
Created on Wed Jun 27 11:42:36 2018
@author: ZK
“““

def x1y1x2y2_to_xywh（gtbox）:
    return list（map（round [（gtbox[0]+gtbox[2]）/2. （gtbox[1]+gtbox[3]）/2. gtbox[2]-gtbox[0] gtbox[3]-gtbox[1]]））

def xywh_to_x1y1x2y2（gtbox）:
    return list（map（round [gtbox[0]-gtbox[2]/2. gtbox[1]-gtbox[3]/2. gtbox[0]+gtbox[2]/2. gtbox[1]+gtbox[3]/2.]））

def x1y1wh_to_xywh（gtbox）:
    x1 y1 w h = gtbox
    return [round（x1 + w/2.） round（y1 + h/2.） w h]

def x1y1wh_to_x1y1x2y2（gtbox）:
    x1 y1 w h = gtbox
    return [x1 y1 x1+w y1+h]
#%%
import torch
from torch.nn import Module
from torch.nn import functional as F
#%%
class SmoothL1Loss（Module）:
    def __init__（self use_gpu）:
        super （SmoothL1Loss self）.__init__（）
        self.use_gpu = use_gpu
        return
    
    def forward（self clabel target routput rlabel）:
        
#        rloss = F.smooth_l1_loss（routput rlabel）
        rloss = F.smooth_l1_loss（routput rlabel size_average=False reduce=False）
        
            
        e = torch.eq（clabel.float（） target） 
        e = e.squeeze（）
        e0e1e2e3e4 = e[0].unsqueeze（0）e[1].unsqueeze（0）e[2].unsqueeze（0）e[3].unsqueeze（0）e[4].unsqueeze（0）
        eq = torch.cat（[e0e0e0e0e1e1e1e1e2e2e2e2e3e3e3e3e4e4e4e4] dim=0）.float（）
        
        rloss = rloss.squeeze（）
        rloss = torch.mul（eq rloss）
        rloss = torch.sum（rloss）
        rloss = torch.div（rloss eq.nonzero（）.shape[0]+1e-4）
        return rloss
#%%
class Myloss（Module）:
    def __init__（self）:
        super （Myloss self）.__init__（）
        return 
    
    def forward（self coutput clabel target routput rlabel lmbda）:
        closs = F.cross_entropy（coutput clabel）

#        rloss = F.smooth_l1_loss（routput rlabel）
        rloss = F.smooth_l1_loss（routput rlabel size_average=False reduce=False）
        
            
        e = torch.eq（clabel.float（） target） 
        e = e.squeeze（）
        e0e1e2e3e4 = e[0].unsqueeze（0）e[1].unsqueeze（0）e[2].unsqueeze（0）e[3].unsqueeze（0）e[4].unsqueeze（0）
        eq = torch.cat（[e0e0e0e0e1e1e1e1e2e2e2e2e3e3e3e3e4e4e4e4] dim=0）.float（）
        
        rloss = rloss.squeeze（）
        rloss = torch.mul（eq rloss）
        rloss = torch.sum（rloss）
        rloss = torch.div（rloss eq.nonzero（）.shape[0]+1e-4）
        
        loss = torch.add（closs lmbda rloss）
        return loss
#%%
import math
from PIL import ImageStat Image
from torchvision.transforms import functional as F2
#%%
def resize（img size interpolation=Image.BILINEAR）:
    assert img.size[0] == img.size[1]
    return img.resize（（size size） interpolation） img.size[0] / size
#%%
def point_center_crop（img gtbox area）:
    x y dw dh = gtbox
    p = （dw + dh） / 2.
    a = math.sqrt（（dw + p） * （dh + p））
    a *= area
    i = round（x - a/2.）
    j = round（y - a/2.）
    mean = tup

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2018-08-29 01:13  Siamese-RPN-master\
     文件          66  2018-08-29 01:13  Siamese-RPN-master\.gitattributes
     文件         743  2018-08-29 01:13  Siamese-RPN-master\README.md
     文件        2881  2018-08-29 01:13  Siamese-RPN-master\SRPN.py
     文件       12530  2018-08-29 01:13  Siamese-RPN-master\axis.py
     文件        7933  2018-08-29 01:13  Siamese-RPN-master\data_otb.py
     文件        2360  2018-08-29 01:13  Siamese-RPN-master\download.py
     文件        8828  2018-08-29 01:13  Siamese-RPN-master\test_otb.py
     文件       10245  2018-08-29 01:13  Siamese-RPN-master\train.py
     文件        2978  2018-08-29 01:13  Siamese-RPN-master\video2pic.py