DAVIS 2016是VOS任务中的一个经典的benchmark，但是一些VOT的算法有时候也可以预测mask，所以也会在上面测一测性能，本次就随手记录一下自己评测的过程，有需要的小伙伴可以往下看。
DAVIS 2016数据集官方项目网站：https://davischallenge.org/davis2016/code.html
DAVIS2016论文是：A Benchmark Dataset and Evaluation Methodology for Video Object Segmentation

一、下载数据集

下载，设想下载的数据集目录是DAVIS2016，解压完该目录下有Annotations，ImageSets，JPEGImages，分别是mask标签，train val序列列表，RGB视频帧。下面又有480p和1080p的子文件夹，之后都用到的是480p的。

二、下载评估工具箱和预计算结果

注意这是关键的一步，千万不要下载python版本的工具箱，因为python版本的工具箱使用的是python2.x，并且要c++的编译，环境很难配，且不知道会不会影响原有的环境，所以选择matlab版本的，会跳转到对应github页面，只要download zip或者git clone下来就好了。

这时候也可以顺带去下载一下官方给的一些算法的结果https://graphics.ethz.ch/Downloads/Data/Davis/DAVIS-results.zip，直接可以用于评估，当然也可以去项目页上一个个下载

这里要注意的是为了配合后面matlab代码读取结果，要把刚刚下载的DAVIS-results.zip解压到数据集目录DAVIS2016下，设想路径是DAVIS2016/Results/Segmentations/480p/，下面就是各个算法的结果了，对于DAVIS-results.zip里面没有的，也要下载下来放到这个路径底下。

三、matlab评估工具箱的使用

matlab评估工具箱下载解压完是这样的，我使用的平台是ubuntu18.04, matlab2017

1. 去db_root_dir.m里面修改root_dir路径，这个就是刚刚数据集目录DAVIS2016,根据自己电脑上存放路径修改即可。
2. 运行脚本startup.m以把评估所要的代码的路径添加进来并执行一些检查，这一步不知道windows下会不会遇到问题，我这步直接通过。如果有问题的话可以运行一下build.m，然后再运行startup.m检查一下。
3. measures/eval_result.m的函数签名是这样的，

function [eval, raw_eval] = eval_result(result_id, measures, gt_set)

• result_id：就是评估的算法的名字，可以是DAVIS2016/Results/Segmentations/480p/下的任何一个名字，类型是字符串，比如填一个'siammask'（siammask结果可以单个下载）
• measures：就是论文里面的几种不同评价指标，可以单个字符，也可以是多个字符的cell，如'J'或者{'J','F','T'}，其中T的评估时间会久一点
• gt_set：就是在数据集的哪个split上评估，一般都是'val'，当然还可以填'train'和'all'

注意这里不是把这个script直接改掉，是在命令窗口输入>> eval_result('siammask',{'J','F','T'},'val');
4. 这步就可以去生成最终结果了，先要去experiments/experiments_params.m改一下techniques的名字，需要和result_id一样，然后直接命令窗口调用global_table，使用的是experiments/global_table.m函数，就会出来结果，是和官网一致的

四、评估自己算法的结果

从上面的步骤看来，唯一需要我们提供的就是DAVIS2016/Results/Segmentations/480p/下的分割结果了，可以拿一个算法的实例结果看一下（这里拿的是siammask的）：
可以看到，我们需要对davis2016 val的每个序列都去根据自己的算法生成二值掩膜的输出，并且这里是从00000.png开始的，就是包括整个val序列的全部帧，然后就可以重复第三步去测自己算法的性能了