MDNET工程阅读笔记

网络结构

• 输入：107×107大小的RGB目标图片              
• 网络层：包括三个卷积模块（conv1，conv2，conv3）和三个全连接模块（fc4，fc5，fc6）。其中，fc6在训练时具有K个分支，每个K分支包含一个具有softmax交叉熵损失的二分类层，  它负责区分每个域（训练视频）中的目标和背景。
• 在跟踪时，fc6会被替换成单个分支，以用于新的测试序列。
• 输出：一个分数，用来区分目标和背景，得分越高，是目标的概率越大。

 

 

训练部分

一、mdnet_prepare_model

1. 读取VGG的conv1、2、3，得到layers。layer中有11个结构体，分别是conv1,relu1,norm1,pool1；conv2,relu2,norm2,pool2；conv3,relu3,conv4；

2. 遍历layers，为不同种类的层添加属性和值，去掉conv4。

3. 自定义了fc4模块（包含fc4,relu4,dropout4）、fc5模块（包含fc5,relu5,dropout5），fc6模块（包含fc6，softmax）。

 

二、mdnet_pretrain

在VOT2013，2014，2015上训练，用OTB微调

1.设置要训练的序列集

 

2.初始化：

网络结构模型mdnet_init.mat；

输出的训练结果模型mdnet_vot-otb_new.mat；

ROI（采样）数据库roidb.mat；

 

3.初始化重要参数：

      opts.train.batch_frames= 8；%每个batch（视频序列？）随机选8帧；