CFNet是2017年CVPR上的一篇论文，提出了一种将相关滤波器（Correlation Filter）转化为可微分神经网络层的方法，实现了与特征提取网络的端到端优化。这种方法在保持轻量级架构的同时，取得了state-of-the-art的跟踪结果。论文中详细介绍了全卷积孪生网络和相关滤波网络的原理，并通过实验对比了不同设置对跟踪性能的影响。
论文题目：End-to-end representation learning for Correlation Filter based tracking, CVPR2017
论文主页：http://www.robots.ox.ac.uk/~luca/cfnet.html
源码链接：https://github.com/bertinetto/cfnet
相关推导：https://blog.csdn.net/discoverer100/article/details/80030294#commentBox （非常详细）
1. 论文摘要、贡献
图一：CFNet整体架构。非对称的孪生网络，非对称部分是由于correlation filter部分引起的，作者是想把cf引入到神经网络中，从而能够实现end-to-end优化。training images和testing images首先都经过相同的卷积特征提取网络提取特征，其中training images提取出来的卷积特征进而通过correlation filter得到线性模板，
最低0.47元/天 解锁文章
扫一扫
709
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
