写下来,别忘了喽
首先,文章使用“岭回归”这个方法来做预测的,主要是利用了循环矩阵的各种性质,把在空间域很难算的东西转换到Fourier域中,变成了简单的点乘或者点除运算,所以大大节省了时间,首先是从线性的回归做起,后来推广到非线性回归,训练的时候呢,就是用第一帧的原始目标框,它的逼近的函数就是二维分布的高斯函数,认为目标中心处得分最高(即为高斯峰),在计算的时候,计算了每一个block的46(31个HOG+15个LAB)特征,对每一个特征计算得分求和取最大值即为目标位置,在之后的测试阶段,在上一帧我们算出来的目标框附近采样,也是分成好多个block,计算每一个块的特征,利用这个特征来计算相关性,最高的block,经过插值之后,得到的像素点的位置我们就认为是当前帧的目标中心位置,之后又做了一个较大尺度和较小尺度的估计,是为了适应放缩
以后还是一遍遍看论文和代码啊