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)运行画结果图文件;(5)运行绘制结果对比图文件
2、OTB跟踪测试工具toolkit下载地址http://cvlab.hanyang.ac.kr/tracker_benchmark/
下载解压后的工具包中:
anno是标注好的视频序列的位置数据。默认是OTB13的标注数据,测试OTB100的标注数据,需要替换anno文件夹。
figs:运行完算法、并运行perfPlot.m文件画完图,生成的图片。
perfMat:是运行perfPlot.m文件画图的记录文件,在修改画图算法后,要把该文件夹里的overall文件清空。
results:保存算法测试的结果,命名视频序列+算法名称.mat,为空时,说明算法有瑕疵。
trackers:存放你需要测试的算法的代码,接口文件run_算法名.m
util:保存程序需要调用的函数,configSeqs.m设置需要在哪些视频序列上进行测试。configTrackers.m文件,设置你需要测试的跟踪算法。☆☆
drawResultBB.m:从results文件夹里调用结果文件,将跟踪结果框(bounding_box)显示在图片上。
main_running.mat:是主程序,设置完成需要测试的算法,在哪些视频序列上进行测试后,运行这个文件,等他跑完就可以在results文件夹里看到跟踪结果文件了。
perfPlot.m:是将跟踪结果绘制成精度图或者成功率图,前提算法在数据库已经运行,在results文件夹里有对应结果文件
注:vlfeat在main.running.m文件中有vlfeat的位置规定。
VOT跟踪算法测试平台vot-toolkit2014下载地址:http://pan.baidu.com/s/1kVcJ0Ir
配置跟踪器:运行toolkit_path.m,打开./workspace,选定数据集、自己tracker的名字,选定程序语言,运行workspace_create.m,配置成功后生成如下文件:
打开tracker_DSST.m文件,配置tracker接口,修改标注位置,注释掉第二行。
运行run_experiments.m
单步运行至第二条语句,可以看到变量sequences 和 experiments,可以打开这两个变量看看,基本就可以了解整个实验的配置了。
如果想只跑一部分视频的话,只需更改./sequences/list.txt文件,只保留想跑的视频即可
当run_experimetns运行完后,会生成相应的结果文件如下:
运行run_analysis.m:其中tracker定义了要比较的所有跟踪算法
run_analysis运行完后,生成的结果含分析图和表,保存在report文件夹中。