---
title: cv_vitb_video-single-object-tracking_procontext
canonical_url: "https://www.modelscope.cn/models/iic/cv_vitb_video-single-object-tracking_procontext"
md_url: "https://www.modelscope.cn/models/iic/cv_vitb_video-single-object-tracking_procontext.md"
repository: iic/cv_vitb_video-single-object-tracking_procontext
chinese_name: "ProContEXT视频单目标跟踪-通用领域"
last_updated: 2024-01-19
license: "MIT License"
pipeline_tag: video-single-object-tracking
tasks:
  - video-single-object-tracking
model_type:
  - ProContEXT
library_name:
  - pytorch
frameworks:
  - pytorch
domain:
  - cv
downloads: 8998
stars: 16
tags:
  - transformer
  - single_object_tracking
  - ProContEXT
---

# cv_vitb_video-single-object-tracking_procontext

> cv_vitb_video-single-object-tracking_procontext - iic 在 ModelScope 开源的模型。该模型是基于Transformer的单目标跟踪网络，在开源数据集GOT-10k, TrackingNet上均达到SOTA精度。

iic/cv_vitb_video-single-object-tracking_procontext 是 ModelScope 魔搭社区上的video-single-object-tracking模型，采用 MIT License 许可。

- **Repository**: iic/cv_vitb_video-single-object-tracking_procontext
- **License**: MIT License
- **Tasks**: video-single-object-tracking
- **Tags**: transformer, single_object_tracking, ProContEXT
- **Downloads**: 8998
- **Stars**: 16
- **Last updated**: 2024-01-19

Source: https://www.modelscope.cn/models/iic/cv_vitb_video-single-object-tracking_procontext

---

# <ProContEXT>单目标跟踪算法模型介绍
对于一个输入视频，只需在第一帧图像中用矩形框指定待跟踪目标，单目跟踪算法将在整个视频帧中持续跟踪该目标，输出跟踪目标在所有图像帧中的矩形框信息。

## 模型描述
<img src="resources/ProContEXT_framework.jpg" width="800" >

本模型是基于ProContEXT方案的单目标跟踪框架，使用ViT作为主干网络进行训练，是One-Stream单目标跟踪算法。
本算法将特征抽取和匹配过程通过注意力机制同步进行，获得较高的目标跟踪精度。

## 期望模型使用方式以及适用范围

该模型适用于视频单目标跟踪场景，目前在TrackingNet, GOT-10K开源数据集上达到SOTA水平。

### 在线体验步骤

1. 点击“上传视频”按钮上传本地视频，或者直接使用默认示例视频。
2. 在视频图片中用鼠标框定目标。
3. 点击“执行测试”按钮，算法运行结束后，可在“测试结果”栏中播放查看跟踪结果视频。

### 如何使用模型

- 根据输入待跟踪视频和第一帧图像对应的待跟踪矩形框（x1, y1, x2, y2），可按照代码范例进行模型推理和可视化。

#### 代码范例
```python
from modelscope.utils.cv.image_utils import show_video_tracking_result
from modelscope.outputs import OutputKeys
from modelscope.pipelines import pipeline
from modelscope.utils.constant import Tasks

video_single_object_tracking = pipeline(Tasks.video_single_object_tracking, model='damo/cv_vitb_video-single-object-tracking_procontext')
video_path = "https://modelscope.oss-cn-beijing.aliyuncs.com/test/videos/dog.avi"
init_bbox = [414, 343, 514, 449] # the initial object bounding box in the first frame [x1, y1, x2, y2]
result = video_single_object_tracking((video_path, init_bbox))
show_video_tracking_result(video_path, result[OutputKeys.BOXES], "./tracking_result.avi")
print("result is : ", result[OutputKeys.BOXES])
```

### 模型局限性以及可能的偏差
- 在遮挡严重场景和背景中存在与目标高度相似的物体场景下，目标跟踪精度可能欠佳。
- 建议在有GPU的机器上进行测试，由于硬件精度影响，CPU上的结果会和GPU上的结果略有差异。


## 数据评估及结果
模型在GOT-10k和TrackingNet的测试集上客观指标如下：

| Tracker     | GOT-10K (AO) | TrackingNet (AUC) |
|:-----------:|:------------:|:-----------:|
| ProContEXT | 74.6         | 84.6        |

### 相关论文以及引用信息
本模型主要参考论文如下：

```BibTeX
@article{ProContEXT,
author    = {Jin{-}Peng Lan and
            Zhi{-}Qi Cheng and
            Jun{-}Yan He and
            Chenyang Li and
            Bin Luo and
            Xu Bao and
            Wangmeng Xiang and
            Yifeng Geng and
            Xuansong Xie},
title     = {ProContEXT: Exploring Progressive Context Transformer for Tracking},
journal   = {CoRR},
volume    = {abs/2210.15511},
year      = {2022},
url       = {https://doi.org/10.48550/arXiv.2210.15511},
doi       = {10.48550/arXiv.2210.15511},
}
```

### Clone with HTTP
```bash
 git clone https://www.modelscope.cn/damo/cv_vitb_video-single-object-tracking_procontext.git
```