HCFT和HCFTstar在OTB数据集中测试的接口函数

最新推荐文章于 2022-10-25 17:36:14 发布

無負今日

最新推荐文章于 2022-10-25 17:36:14 发布

阅读量2.8k

点赞数 1

分类专栏： matlab 视觉跟踪文章标签：目标跟踪 matlab HCFT HCFTstar OTB

本文链接：https://blog.csdn.net/weixin_44100850/article/details/108629854

版权

本文介绍了HCFT和HCFTstar两种目标跟踪算法在OTB数据集上的测试过程，提供了接口函数run_HCFT.m和run_HCFTstar.m的使用注意事项。内容包括设置输入参数、初始化工作、关闭可视化、调用算法主程序、保存数据以及结果赋值。测试时重点关注算法的尺度估计和重检测机制的改进。

摘要由CSDN通过智能技术生成

HCFT跟踪算法（Hierarchical Convolutional Features for Visual Tracking）是2015年发表在ICCV上的一篇结合相关滤波和深度特征的跟踪算法，作者Chao Ma、Jia-Bin Huang、Xiaokang Yang、
Ming-Hsuan Yang。
HCFTstar(Robust Visual Tracking via Hierarchical Convolutional Features)是原作者在HCFT基础上的改进，改进了尺度估计和重检测机制。
在OTB数据集上测试两个算法时需要接口函数（前提是已经调试通了两个算法），如下：
HCFT算法的接口函数 run_HCFT.m

  function results = run_HCFT(seq, res_path, bSaveImage)
  
    addpath('utility','model','cf_scale','external/matconvnet/matlab');
    vl_setupnn();

    padding = struct('generic', 1.8, 'large', 1, 'height', 0.4);
    lambda = 1e-4;              % Regularization parameter (see Eqn 3 in our paper)
    output_sigma_factor = 0.1;  % Spatial bandwidth (proportional to the target size)
    interp_factor = 0.01;       % Model learning rate (see Eqn 6a, 6b)
    cell_size = 4;              % Spatial cell size
    show_visualization = 0;
    
    global enableGPU;
    enableGPU = false;
        
    target_sz = seq.init_rect(1,[4,3]);
    pos = seq.init_rect(1,[2,1]) + floor(</