幾年來，我一直試圖在視頻中追蹤登山者。

我的動機是雙重的：

在我熱衷的主題(運動攀巖)上探索算法

分析兩名攀巖者之間的攀巖技術

在探索過程中，我偶然發(fā)現了一個名為“SAMURAI”的算法，這對于我的特定用例來說確實是一個突破。

該項目將為SAMURAI提供入門指南，特別是針對AMD gpu。

SAMURAI概述

SAMURAI建立在分段任何模型2.1 (SAM2.1)之上，并改進了其跟蹤能力。

SAM和SAM2模型是革命性的，因為它們可以對“任何東西”進行分割，甚至不需要事先進行特定于應用程序的訓練。這些模型已經成為非常流行的自動標記圖像和視頻的模型。

除此之外，它們還可以“跟蹤”視頻內容中識別的對象。

還有其他的解決方案提供了類似的跟蹤改進，其中一些聲稱更好的跟蹤，即使是相同的對象(如：干擾)。其中一個解決方案是用于SAM 2.1的干擾感知內存，或DAM4SAM。

DAM4SAM聲稱比SAMURAI有更好的跟蹤能力，特別是在有干擾的情況下。相同的對象):

我已經評估了這兩種解決方案，看看哪種解決方案更適合我的特定用例：跟蹤感興趣的攀登者(CoI)。我邀請您對您的特定用例執(zhí)行類似的比較。

SAMURAI vs DAM4SAM

本實驗的主要結論如下：

?SAMURAI比DAM4SAM快6倍(使用AMD Radeon Pro W7900 GPU)

?DAM4SAM失去了攀登者(跟蹤任務失敗)，而SAMURAI成功了

設置硬件

我的設置包括AMD Radeon Pro W7900 GPU，但這些指令預計將與使用AMD ROCm軟件堆棧的任何AMD GPU一起工作。

有關如何設置AMD GPU的更多信息，包括升級電源和添加前機箱風扇，請參考以下項目：

介紹AMD Radeon Pro W7900 GPU

我們應該首先驗證AMD GPU的驅動程序是否安裝，如下所示：

在撰寫本文時，ROCm的最新版本是6.2.4。

為AMD gpu安裝SAMURAI

SAMURAI提供了出色的安裝說明，但僅適用于NVIDIA gpu。

為了這個項目的目的，我將參考下面的repo，它有一個特定版本的SAMURAI存儲庫鏈接為gitmodule：

“samurai”子目錄包含原始存儲庫的特定版本，可以按照以下方式安裝：

在安裝過程中，我們可以注意到，除其他外，以下軟件包已默認安裝支持NVIDIA CUDA：

torch> = 2.3.1

torchvision > = 0.18.1

因此，我們需要安裝與這些包等價的ROCm，如下所述：

我們也可以通過PyTorch驗證AMD GPU的支持，如下面的python會話：

我們還可以使用“nvtop”來監(jiān)控GPU的使用情況：

下面的屏幕截圖顯示了nvtop的輸出。在我的系統(tǒng)中，我有一個AMD Radeon Pro W7900 GPU (48GB)，以及一個較小的NVIDIA T400 GPU (4GB)。

啟動演示

演示腳本可以從samurai目錄啟動，如下所示：

下面的可選參數指定了要使用的模型：

?Model_path：要使用的模型(默認= sam2/檢查點/sam2.1 .1_hiera_base_plus.pt)

該模型的其他變體有：tiny、small、base_plus(默認值)和large。

我只試驗了默認的base_plus模型。

演示腳本有以下參數指定輸入：

?Video_path：視頻文件(僅支持mp4)或圖像目錄(僅支持jpg)的路徑

?Txt_path：包含要跟蹤對象的初始邊界框(x, y, w, h)的文本文件

演示腳本也有以下可選輸出參數：

?Save_to_video: Boolean，表示是否保存輸出的視頻文件

?Video_output_path：視頻文件輸出路徑

我已經基于原始的demo.py實現了自己的腳本，將在下面幾節(jié)中描述。

?samurai_step01.py

?samurai_step02.py

CPU內存限制

SAMURAI模型使用<2GB的VRAM(即使是大型模型)，因此應該與任何GPU一起工作。

然而，主循環(huán)將所有輸入圖像(來自圖像文件的視頻)加載到內存中，這可能需要大量的CPU內存。

下面的屏幕截圖說明了SAMURAI如何為一個包含3000張1920x1080大小的圖像的用例分配64GB CPU內存的60%。

根據我的計算，這個用例應該只需要我64GB內存的30%，因為3000 * (1920*1080*3)= 17.38GB。因此，我們可以得出結論，SAMURAI執(zhí)行所需的內存是輸入圖像的兩倍。

這將限制您可以提供給SAMURAI算法的輸入圖像的數量。

為了超越這個限制，可以運行幾次，將前一次迭代的最后一個掩碼的邊界框作為下一次迭代的邊界框。

指定輸入

演示腳本允許將輸入指定為視頻文件或輸入圖像。

使用默認的“demo.py”腳本，我沒有成功地使視頻文件輸入工作，導致分割錯誤。

出于這個原因，我創(chuàng)建了自己的預處理腳本，將輸入視頻轉換為輸出圖像。我還將以下功能集成到我的腳本中：

?跳過幀：通過參數指定，允許減少生成的圖像數量

?開始幀選擇：由用戶用‘s’鍵指定

?結束幀選擇：由用戶用‘e’鍵指定

?ROI選擇：由用戶用鼠標指定

“samurai_step01.py”腳本可用于從輸入視頻中提取圖像。它的用法如下：

該腳本將啟動兩個窗口：

?samurai_step01 -控制

?samurai_step01

“samurai_step01 - Controls”窗口允許你調整視頻內容的大小(scaleFactor)，并在視頻中導航(frameNum)。

第一步是導航到一個幀，它將成為提取圖像的開始幀，用‘s’鍵選擇它，然后使用鼠標選擇要跟蹤的對象的ROI。在我的用例中，這是一個攀爬器，但您可以選擇任何對象。

腳本將生成詳細的“[INFO]…”來確認您與GUI的交互。

下一步是導航到結束幀，用“e”鍵選擇它，然后按“w”鍵提取圖像。

該腳本將在指定的工作目錄下生成以下內容：

生成輸出掩碼

使用從視頻中提取的圖像，我們現在可以運行SAMURAI算法，使用“samurai_step02.py”腳本：

該腳本將在指定的工作目錄下生成以下內容：

三個輸出視頻(mp4)可用于查看SAMURAI算法的輸出與蒙版和/或邊界框。

請注意，生成這些視頻會降低SAMURAI的幀率。如果您想加快一些速度，可以隨意注釋掉生成這些視頻的代碼。

我用AMD Radeon Pro W7900 GPU看到了高達6fps的性能。

總結和后續(xù)步驟

使用之前的腳本，我能夠在這些具有挑戰(zhàn)性的視頻中成功執(zhí)行單對象跟蹤(SOT)。

本文編譯自hackster.io