CFNet视频目标跟踪推导笔记

最新推荐文章于 2024-06-30 20:55:28 发布
最新推荐文章于 2024-06-30 20:55:28 发布
阅读量165 收藏
点赞数
分类专栏： siamese
原文链接：https://blog.csdn.net/discoverer100/article/details/80030294
版权
原创

CFNet视频目标跟踪推导笔记

2018-05-07 15:17:16 阅读数 2709 更多
分类专栏： 视频目标跟踪（Visual tracking） 论文笔记（Paper notes） 相关滤波（Correlation filter） 数字图像处理、模式识别与深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接： https://blog.csdn.net/discoverer100/article/details/80030294 
            </div>
                                                <!--一个博主专栏付费入口-->
         
         <!--一个博主专栏付费入口结束-->
        <link rel="stylesheet" href="https://csdnimg.cn/release/phoenix/template/css/ck_htmledit_views-4a3473df85.css">
                                    <div id="content_views" class="markdown_views prism-tomorrow-night">
                <!-- flowchart 箭头图标 勿删 -->
                <svg xmlns="http://www.w3.org/2000/svg" style="display: none;">
                    <path stroke-linecap="round" d="M5,0 0,2.5 5,5z" id="raphael-marker-block" style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);"></path>
                </svg>
                                        <h1 id="1-论文信息"><a name="t0"></a>1. 论文信息</h1>

论文题目：End-to-end representation learning for Correlation Filter based tracking
论文出处：CVPR 2017
论文作者：Jack Valmadre，Luca Bertinetto等人
论文主页：http://www.robots.ox.ac.uk/~luca/cfnet.html
源码链接：https://github.com/bertinetto/cfnet

2. 滤波器求解——论文公式(7)推导过程

2.1 最优化求解

首先，定义最优化问题

argminw12n∥∥XTw−y∥∥2+λ2∥w∥2(1)(1)arg⁡minw⁡12n‖XTw−y‖2+λ2‖w‖2

其中vv求偏导数，得

∂L(w,r,v)∂w=∂(12n∥r∥2+λ2∥w∥2+vT(r−XTw+y))∂w=∂(12n∥r∥2)∂w+∂(λ2∥w∥2)∂w+∂(vT(r−XTw+y))∂w=∂(12n∥r∥2)∂w+∂(λ2∥w∥2)∂w+∂(vT(XTw))∂w=∂(12n∥r∥2)∂w+∂(λ2∥w∥2)∂w+∂(vTXTw)∂w=0+λw+vT(0−XT)=λw−(vTXT)T=λw−Xv(4)(4)∂L(w,r,v)∂w=∂(12n‖r‖2+λ2‖w‖2+vT(r−XTw+y))∂w=∂(12n‖r‖2)∂w+∂(λ2‖w‖2)∂w+∂(vT(r−XTw+y))∂w=∂(12n‖r‖2)∂w+∂(λ2‖w‖2)∂w+∂(vT(XTw))∂w=∂(12n‖r‖2)∂w+∂(λ2‖w‖2)∂w+∂(vTXTw)∂w=0+λw+vT(0−XT)=λw−(vTXT)T=λw−Xv

现在对rr求偏导数，得

∂L(w,r,v)∂r=∂(12n∥r∥2+λ2∥w∥2+vT(r−XTw+y))∂r=∂(12n∥r∥2)∂r+∂(λ2∥w∥2)∂r+∂(vT(r−XTw+y))∂r=12n⋅2r+0+(vT)T(1−0+0)=1nr+v(5)(5)∂L(w,r,v)∂r=∂(12n‖r‖2+λ2‖w‖2+vT(r−XTw+y))∂r=∂(12n‖r‖2)∂r+∂(λ2‖w‖2)∂r+∂(vT(r−XTw+y))∂r=12n⋅2r+0+(vT)T(1−0+0)=1nr+v

最后对vv求偏导数，得

∂L
汽车行业小硕妹子
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
CFNet视频目标跟踪核心源码分析——网络结构设计及实现
越野者的博客
07-26 5161
1. 论文信息 论文题目：End-to-end representation learning for Correlation Filter based tracking  论文出处：CVPR 2017 论文作者：Jack Valmadre，Luca Bertinetto等人  论文主页：http://www.robots.ox.ac.uk/~luca/cfnet.html  在线阅读：...
【目标跟踪】SiameseFC & CFNet
热门推荐
kobe_huai的博客
12-02 1万+
SiameseFC：Fully-Convolutional Siamese Networks for Object Tracking CFNet:End-to-end representation learning for Correlation Filter based trac
SiameseFC和CFNet细节笔记
闲逸的炫鹰
08-21 5665
这两篇文章出自牛津大学同一个实验室，一个发表在ECCV2016，一个发表在CVPR2017，两篇文章的matlab代码是一起的，在代码中可以选择这两个方法中的一个。看代码的过程中需要对论文熟悉，就再看了一遍这两篇文章，发现有许多细节需要记录下来。
CFNet运行笔记-转自“越野者”
skywalker_123的博客
02-27 535
https://blog.csdn.net/discoverer100/article/details/79758131 实测顺利运行。 写得很良心，点赞作者。
CVPR 2017 CFNet:《End-to-end representation learning for Correlation Filter based tracking》论文笔记
lch的博客
08-06 977
  理解出错之处望不吝指正。   本文模型叫做CFNet。作者在论文中提到，以前的工作只是将CF应用到了预训练的CNN特征上，并没有实现端到端的CNN-CF的结合。本文的主要贡献就是：推导了CF的可微闭合解，让CF成为CNN中的一个层，这样CNN-CF就可以end2end training，训练更适合CF tracking的卷积特征。   模型的整体结构基于Siamese Network，如下...
【小白笔记】目标跟踪CFNet论文及源码笔记
Tominute的博客
09-24 2763
文章目录1.网络结构2. 构建基础特征网络 这是CVPR17的一篇文章。项目地址 该论文主要基于SiameseFC网络的改进，主要加入了CF层，并推导了前向和反向公式，也是端到端的网络，使得网络在浅层特征下也能有不错的性能，是整体网络轻量化，速度也更快。下面的分析将结合具体的代码，有不对的地方欢迎讨论~ 1.网络结构 基础及背景这里就不说了，直接来看模型。 为什么要加这个CF层： 结合传统的D...
相关滤波和孪生网络目标跟踪综述（Martin 团队）
lzmxxh168的博客
06-30 390
Visual Object Tracking with Discriminative Filters and Siamese Networks: A Survey and Outlook 马丁团队的新作，强烈推荐。精确和鲁棒的视觉目标跟踪是计算机视觉中最具挑战性和最基本的问题之一。它需要在只给定目标初始状态的条件下，准确估计图像序列中目标的轨迹及状态。相关滤波和孪生网络已经成为当下的主流跟踪算法，本文选取了 90 多个 DCF 和 Siamese 跟踪器进行系统和全面的回顾。
BACF_toUpload.rar_BACF推导_bacf_bacf算法_掩膜_目标跟踪
07-14
基于背景掩膜矩阵和循环移动的目标跟踪算法
MPC跟踪直线轨迹推导-笔记入门
03-13
MPC跟踪直线轨迹推导-笔记入门
Python机器学习模型公式推导 笔记
07-18
手写笔记ptf格式，模型包括：线性回归、逻辑回归、支持向量机、KNN、Kmeans、BP神经网络、PCA、聚类算法等
容积卡尔曼滤波CKF——机动目标跟踪 匀速转弯模型CT
05-17
容积卡尔曼滤波CKF 匀速圆周运动，匀速转弯运动CT 代码肯定能运行且有结果，可...《匀速圆周运动-目标运动模型/机动目标跟踪》 https://zhangdonglin.blog.csdn.net/article/details/124461832?spm=1001.2014.3001.5502
pi_heif-0.17.0-pp310-pypy310_pp73-macosx_12_0_x86_64.whl
07-27
pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。
mmexport1722080103662.jpg
07-27
mmexport1722080103662.jpg
matlab 20244a 6
07-27
matlab 20244a 6
pi_heif-0.17.0-cp310-cp310-macosx_12_0_x86_64.whl
最新发布
07-27
pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。
pillow-10.4.0-cp312-cp312-musllinux_1_2_aarch64.whl
07-27
基本介绍 名称与起源：Pillow，原名为PIL（Python Imaging Library），但PIL只支持Python 2版本。随着Python 3的普及，Pillow作为PIL的一个分支出现，兼容Python 3并提供更多的功能和改进。 主要功能：Pillow支持多种图像格式的打开、保存、显示以及基本的图像操作和处理，如裁剪、缩放、旋转、翻转、滤镜应用等。 跨平台性：Pillow库可以在不同的操作系统上运行，包括Windows、Linux和MacOS等。 主要功能模块 Pillow库包含多个功能模块，每个模块都提供了特定的图像处理功能。以下是一些常用的模块： Image：用于处理图像文件，提供打开、保存、调整大小、旋转、裁剪、滤镜等功能。 ImageDraw：提供在图像上绘制各种形状（如线条、矩形、圆形）和文本的功能。 ImageFont：用于加载和使用TrueType字体文件，以便在图像上绘制文本时设置字体样式、大小和颜色。 ImageFilter：提供各种滤镜效果，如模糊、锐化、边缘增强等，用于图像增强、特效处理和图像识别等应用。 ImageEnhance：用于调整图像的亮度、对比度、颜色饱和度等参数，使图像更加清晰、明亮或具有特定的调色效果。 高级功能 除了基本的图像处理功能外，Pillow还支持一些高级功能，如色彩空间转换、直方图均衡化等。这些功能可以帮助用户进行更复杂的图像处理和分析。
生产管理体系设计全案.pptx
07-27
生产管理体系设计全案.pptx
机器学习笔记：Python模型推导与算法解析
"这份笔记详尽地涵盖了Python中的机器学习模型公式推导，包括线性回归、逻辑回归、支持向量机（SVM）、K近邻（KNN）、K-means聚类、反向传播（BP）神经网络、主成分分析（PCA）以及各种聚类算法。这些内容对于理解...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值