update readme

README.md

@@ -15,7 +15,7 @@ Unicorn 的统一表现在可以使用相同的模型参数通过单个网络同
 </div>
 
 ## 算法原理
-Unicorn 由三个部分组成：统一输入与主干、统一嵌入、统一头。三个组件分别负责获得强大的视觉表征、建立精确的对应关系和检测不同的跟踪目标。 
+Unicorn 由三个部分组成：统一输入与主干、统一嵌入、统一输出头。三个组件分别负责获得强大的视觉表征、建立精确的对应关系和检测不同的跟踪目标。 
 - 统一输入和主干\
 为了有效地定位多个潜在目标，Unicorn 将整个图像（参考帧和当前帧）而不是局部搜索区域作为输入。在特征提取过程中，参考帧和当前帧通过权重共享主干获得特征金字塔表示（FPN）。为了在计算对应关系时保持重要细节并减少计算负担，本文选择 stride 为 16 的特征图作为之后嵌入模块的输入。参考帧和当前帧的相应特征分别称为 F_ref 和 F_cur。
 - 统一嵌入\
@@ -65,8 +65,27 @@ cd ../../..
 cd /your_code_path/unicorn/docker
 docker build --no-cache -t codestral:latest .
 docker run -it -v /path/your_code_data/:/path/your_code_data/ -v /opt/hyhal/:/opt/hyhal/:ro --shm-size=16G --privileged=true --device=/dev/kfd --device=/dev/dri/ --group-add video --name docker_name imageID bash
+
 cd /your_code_path/unicorn
-pip install -r requirements.txt
+pip3 install -U pip && pip3 install -r requirements.txt
+pip3 install -v -e .  # or python3 setup.py develop
+
+# Install Deformable Attention
+cd unicorn/models/ops
+bash make.sh
+cd ../../..
+
+# Install mmcv, mmdet
+cd external/qdtrack
+# 确认一下环境中 mmcv_full=1.6.1+git0d20119.abi0.dtk2304.torch1.10 版本
+pip3 install --user mmdet==2.26
+
+# Install bdd100k
+cd bdd100k
+python3 setup.py develop --user
+pip3 uninstall -y scalabel
+pip3 install --user git+https://github.com/scalabel/scalabel.git
+cd ../../..
 ```
 ### Anaconda（方法三）
 <!-- 此处提供本地配置、编译的详细步骤，例如： -->
@@ -81,7 +100,25 @@ pytorch:1.10.0
 
 其它非深度学习库参照requirements.txt安装：
 ```
-pip install -r requirements.txt
+pip3 install -U pip && pip3 install -r requirements.txt
+pip3 install -v -e .  # or python3 setup.py develop
+
+# Install Deformable Attention
+cd unicorn/models/ops
+bash make.sh
+cd ../../..
+
+# Install mmcv, mmdet
+cd external/qdtrack
+pip3 install --user mmcv_full==1.6.1 # 根据具体情况选择对应版本
+pip3 install --user mmdet==2.26
+
+# Install bdd100k
+cd bdd100k
+python3 setup.py develop --user
+pip3 uninstall -y scalabel
+pip3 install --user git+https://github.com/scalabel/scalabel.git
+cd ../../..
 ```
 ## 数据集
 数据集有COCO, LaSOT, GOT-10K, TrackingNet, DAVIS, Youtube-VOS 2018, MOT17, CrowdHuman, ETHZ等。\