人工智能入门 之 OTB和VOT评测步骤

目录

图像处理算法

1、卷积神经网络局部连接

2、全连接层

OTB跟踪算法评测平台

1、使用步骤

2、OTB跟踪测试工具toolkit

VOT跟踪算法测试平台

---

图像处理算法

1、卷积神经网络局部连接

卷积过程是一个激活图像特征的过程。

神经元：也叫感受野，是一个滤波器，它的宽高自定义，深度值全网络与输入图片的通道数一致。

步长：表示卷积每次会滑动步长个像素。

输出尺寸：用公式计算，与输入数据大小、感受野尺寸、步长、填充0的数量等参数有关。

0填充：可以改变卷积输出结果的大小

参数共享：因为同一特征在不同位置的表现是相同的，不使用参数共享是因为，不希望在不同位置检测到相同特征比如人脸眼睛。

池化层：根据图片特征的不变性，从卷积层输出结果的切片上，选取最大值（策略）进行采样，实现图片缩小（降噪）后再进行卷积。一般在卷积层之间用最大值特征，在最后一层用平均池化策略。

2、全连接层

经过一系列的卷积和池化之后，每个神经元与前一层所有的神经元全部连接， 而卷积神经网络只和输入数据中的一个局部区域连接， 并且输出的神经元每个深度切片共享参数。

 

OTB跟踪算法评测平台

1、使用步骤

（1）设置要评测的算法trackers；（2）anno中选择在哪些视频序列上进行测试；（3）运行测试文件；（4）