项目简介
基于SAM 2的一个零样本视觉跟踪项目：samurai，它增加了运动感知记忆来提高跟踪的准确性实时视觉跟踪，在处理拥挤场景、快速运动物体和自遮挡等复杂动态环境中，能保持稳定的追踪性能。
该存储库是 SAMURAI 的官方实现：使用运动感知内存调整分段任意模型进行零镜头视觉跟踪
入门
SAMURAI安装
使用前需先安装 SAM 2。该代码需要python>=3.10 ，以及torch>=2.3.1和torchvision>=0.18.1 。请按照此处的说明安装 PyTorch 和 TorchVision 依赖项。您可以使用以下命令在 GPU 计算机上安装SAMURAI 版本的 SAM 2：
cd sam2pip install -e .pip install -e ".[notebooks]"
请参阅原始 SAM 2 存储库中的INSTALL.md ，了解有关潜在问题和解决方案的常见问题解答。
安装其他要求：
pip install matplotlib==3.7 tikzplotlib jpeg4py opencv-python lmdb pandas scipy loguruSAM 2.1 检查点下载
cd checkpoints && \./download_ckpts.sh && \cd ..
数据准备
请按照以下格式准备数据：
data/LaSOT├── airplane/│ ├── airplane-1/│ │ ├── full_occlusion.txt│ │ ├── groundtruth.txt│ │ ├── img│ │ ├── nlp.txt│ │ └── out_of_view.txt│ ├── airplane-2/│ ├── airplane-3/│ ├── ...├── basketball├── bear├── bicycle...├── training_set.txt└── testing_set.txt
主要推论
python scripts/main_inference.py自定义视频演示
要使用自定义视频或帧目录运行演示，请使用以下示例：
注意： .txt文件包含一行，其中第一帧的边界框采用x,y,w,h格式。
输入是视频文件
python scripts/demo.py --video_path <your_video.mp4> --txt_path <path_to_first_frame_bbox.txt>输入是框架文件夹
# Only JPG images are supportedpython scripts/demo.py --video_path <your_frame_directory> --txt_path <path_to_first_frame_bbox.txt>
项目链接
https://github.com/yangchris11/samurai
https://yangchris11.github.io/samurai/
扫码加入技术交流群，备注「开发语言-城市-昵称」
合作请注明
关注「GitHubStore」公众号
（文：GitHubStore）