--- title: SiamMask-PyTorch-模型库-ModelZoo-昇腾社区 description: SiamMask模型是一个实时执行视觉目标跟踪和视频目标分割的框架，实现了视觉目标跟踪和视频目标分割的统一框架。 keywords: SiamMask,PyTorch,模型库,ModelZoo,昇腾社区,概述,简述,准备训练环境 url: https://www.hiascend.com/software/modelzoo/models/detail/d227bdc7c6e7464d9b0f9e231c31b3ee section: (其他) --- # SiamMask-PyTorch-模型库-ModelZoo-昇腾社区 URL: https://www.hiascend.com/software/modelzoo/models/detail/d227bdc7c6e7464d9b0f9e231c31b3ee 描述: SiamMask模型是一个实时执行视觉目标跟踪和视频目标分割的框架，实现了视觉目标跟踪和视频目标分割的统一框架。 关键词: SiamMask,PyTorch,模型库,ModelZoo,昇腾社区,概述,简述,准备训练环境 ModelZoo主页 主页 [了解详情](https://www.hiascend.com/software/modelzoo)大模型 [了解详情](https://www.hiascend.com/software/modelzoo/big-models)模型库 [了解详情](https://www.hiascend.com/software/modelzoo/models)工具库 [了解详情](https://www.hiascend.com/software/modelzoo/tools)权重库 [了解详情](https://www.hiascend.com/software/modelzoo/datasets)ModelShow [了解详情](https://www.hiascend.com/software/modelzoo/modelshow)DeepSeek专区HOT [了解详情](https://www.hiascend.com/developer/deepseek)文档中心 [了解详情](https://www.hiascend.com/document/detail/zh/ModelZoo/Documentation/overview/overview_0001.html)论坛交流 [了解详情](https://www.hiascend.com/forum/forum-0140120119986591009-1.html) 主页 [了解详情](https://www.hiascend.com/software/modelzoo)大模型 [了解详情](https://www.hiascend.com/software/modelzoo/big-models)模型库 [了解详情](https://www.hiascend.com/software/modelzoo/models)工具库 [了解详情](https://www.hiascend.com/software/modelzoo/tools)权重库 [了解详情](https://www.hiascend.com/software/modelzoo/datasets)ModelShow [了解详情](https://www.hiascend.com/software/modelzoo/modelshow)DeepSeek专区HOT [了解详情](https://www.hiascend.com/developer/deepseek)文档中心 [了解详情](https://www.hiascend.com/document/detail/zh/ModelZoo/Documentation/overview/overview_0001.html)论坛交流 [了解详情](https://www.hiascend.com/forum/forum-0140120119986591009-1.html) 模型库 [了解详情](https://www.hiascend.com/software/modelzoo/models) SiamMask-PyTorch ## SiamMask-PyTorch 视觉分割PyTorch训练320次浏览2026/02/02更新 5.0 查看模型源码 SiamMask-PyTorch 查看模型源码 模型使用 版本信息 模型使用 版本信息 ... # 概述 ## 简述 SiamMask模型是一个实时执行视觉目标跟踪和视频目标分割的框架，实现了视觉目标跟踪和视频目标分割的统一框架，可以通过级联方式实现多任务模型，实现在视觉目标跟踪基准上得到实时SOTA结果，同时在视频目标分割基准上展示出有竞争力的性能，且能高速运行。 - 参考实现： ``` url=https://github.com/foolwood/SiamMask commit_id=0eaac33050fdcda81c9a25aa307fffa74c182e36 ``` - 适配昇腾 AI 处理器的实现： ``` url=https://gitee.com/ascend/ModelZoo-PyTorch.git code_path=PyTorch/built-in/cv/object_tracking ``` # 准备训练环境 ## 准备环境 - 当前模型支持的 PyTorch 版本和已知三方库依赖如下表所示。 表 1版本支持表 | Torch_Version | 三方库依赖版本 | | --- | ---| | PyTorch 1.5 | torchvision==0.2.2.post3 | | PyTorch 1.8 | torchvision==0.9.1 | - 环境准备指导。 请参考《Pytorch框架训练环境准备 [了解详情](https://www.hiascend.com/document/detail/zh/ModelZoo/pytorchframework/ptes)》。 - 安装依赖。 在模型源码包根目录下执行命令，安装模型对应PyTorch版本需要的依赖。 ``` pip install -r 1.5_requirements.txt # PyTorch1.5版本 pip install -r 1.8_requirements.txt # PyTorch1.8版本 bash make.sh ``` 说明：只需执行一条对应的PyTorch版本依赖安装命令。 ## 准备数据集 本模型使用`Youtube-VOS`,`COCO`,`ImageNet-DET`,`ImageNet-VID`数据集来训练， 使用`VOT2018`数据集来测试。建议将数据集下载或者软连接至源码包根目录下的`data`目录下，否则需要按需修改`SiamMask_for_Pytorch/experiments/siammask_base/config.json`文件。 1. 获取训练数据集。 依据`data`目录下每个子目录中`readme.md`文件中的提示下载所有数据集。 2. 获取测试数据集。 执行以下命令行获取测试数据集。 ``` cd SiamMask_for_Pytorch/data apt install jq bash get_VOT2018_data.sh ``` 数据集目录结构参考如下所示。 ``` SiamMask_for_Pytorch ├── data │ ├── ytb_vos │ │ ├── train.json │ │ └── crop511 │ │ └── train │ │ ├── 05d77715782 │ │ └── ... │ ├── coco │ │ ├── train2017.json │ │ └── crop511 │ │ ├── train2017 │ │ └── val2017 │ ├── det │ │ ├── train2017.json │ │ └── crop511 │ │ ├── ILSVRS2013_train │ │ ├── ILSVRC2014_train_0000 │ │ └── ... │ ├── vid │ │ ├── train.json │ │ └── crop511 │ │ ├── ILSVRC2015_VID_train_0000 │ │ ├── ILSVRC2015_VID_train_0001 │ │ └── ... │ ├── VOT2018 │ │ ├── bag │ │ ├── ants3 │ │ └── ... │ └── VOT2018.json ├── models │ ├── resnet.model │ └── ... ├── experiments ├── datasets └── ... ``` 说明：该数据集的训练过程脚本只作为一种参考示例。 ## 下载预训练模型 执行以下命令获取预训练模型。 ``` cd SiamMask_for_Pytorch/models wget http://www.robots.ox.ac.uk/~qwang/resnet.model ``` # 开始训练 ## 训练模型 1. 进入解压后的源码包根目录。 ``` cd /${模型文件夹名称} ``` 2. 运行训练脚本。 该模型支持单机单卡训练和单机8卡训练。 - 单机单卡训练 启动单卡训练。 ``` bash ./test/train_performance_1p.sh # 单卡性能 ``` - 单机8卡训练 启动8卡训练。 ``` bash ./test/train_performance_8p.sh # 8卡性能 bash ./test/train_full_8p.sh # 8卡精度 ``` 模型训练脚本参数说明如下。 ``` 公共参数： --config //配置文件路径 --workers //加载数据进程数 --batch //训练批次大小 --epoch //重复训练次数 --P //训练卡数量 ``` 训练完成后，权重文件保存在output文件夹下，并输出模型训练精度和性能信息。 # 训练结果展示 表 2训练结果展示表 | NAME | SiamMask_Loss | FPS | Epochs | AMP_Type | CPU | Torch_Version | | --- | --- | --- | --- | --- | --- | ---| | 1p-竞品V | - | 193 | 1 | - | x86 | 1.5 | | 8p-竞品V | 2.5939 | 812 | 20 | - | x86 | 1.5 | | 1p-NPU | - | 236 | 1 | O1 | ARM | 1.8 | | 8p-NPU | 2.5940 | 1615 | 20 | O1 | ARM | 1.8 | # 版本说明 ## 变更 2023.01.10：Readme整改发布。 ## FAQ Q: 为什么要在配置文件`$SiamMask-base/experiments/siammask_base/config.json`中修改学习率以及权重? A: 详见论文 [了解详情](https://arxiv.org/abs/1812.05050)的`3.3 Implementation details`部分。 | 版本 | 更新时间 | 精度 | 处理器 | CANN版本 | 操作 | | --- | --- | --- | --- | --- | ---| | 5.0.RC1 | 2023/06/16 | Mixed | Ascend 910 | 6.0.1 | modelzoomodelzoo | 使用模型资源和服务前，请您仔细阅读并理解透彻《昇腾深度学习模型许可协议 3.0》 [了解详情](https://www.hiascend.com/legal/modelzoo_models_license)