#655 · 主分类： 计算机视觉
cfnet
computer-vision
correlation-filter
cvpr2017
deep-learning
machine-learning
meta-learning
object-tracking
[CVPR'17] 端到端训练相关滤波器使得仅2层（600 kB）的轻量网络能够以高速实现高性能。
项目最后更新：05/31/18
GitHub Stars
523
Forks数量
150
贡献者数量
2
许可证
MIT
收录理由
视频中的视觉目标跟踪向来困难，而这是相关滤波方法在领域内多年流行时一份相当干净的参考实现。它用两层卷积网络对滤波器做端到端训练，让仅约600KB大小的模型就能获得不错的单目标跟踪表现，对算力紧张或嵌入式场景而言是个方便的基准。代码是典型的研究风格：基于Matlab和MatConvNet，需要翻脚本、调环境，而不是开箱即用的库。真正的价值在于理解其网络结构并复现CVPR'17的实验。如果你正在做实时跟踪器，或者对比轻量级孪生网络类跟踪方案，这份代码很值得引用和借鉴。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。