注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. The Visual Object Tracking VOT2015 challenge results

  2. The Visual Object Tracking VOT2015 challenge results

  3. 所属分类：其它

  1. 视觉目标跟踪VOT2015竞赛的前几名算法代码DPCF/EBT/SWCF等

  2. 视觉目标跟踪的代码，2015年比赛方提供。DPCF/EBT/SWCF等

  3. 所属分类：机器学习

    • 发布日期：2018-03-20
    • 文件大小：66060288
    • 提供者：taiyang1900

  1. Vojirt

  2. Vojir T, Noskova J, Matas J. Robust scale-adaptive mean-shift for tracking [J]. Pattern Recognition Letters, 2014. 仅使用颜色特征的算法，而且速度很快，依次是VOT2015的第20名和14名，在VOT2016分别是32名和31名(中等水平)。ASMS是VOT2015官方推荐的实时算法，平均帧率125FPS，在经典mean-shift框架下加入了尺度估计，经典颜色直方图特征，加入了两

  3. 所属分类：C++

    • 发布日期：2018-10-23
    • 文件大小：104448
    • 提供者：zxoo00

  1. vot2013+vot2014+vot2015+vot2016+otb100全套数据下载

  2. 官网下载地址http://www.votchallenge.net 很麻烦要一个一个下载，15年以后还得配置工具包 otb也是官网下载下来 本人用benchmark下载下来的，原来想直接跑代码，没有找到数据集现在传一份给大家，免得也得搞那个工具包。 文件在网盘上面有vot2013-2016的全套数据集+OTB100数据集。 2019.4.9更新！！！注意：VOT2015因为是用工具下载的，图片位于color文件夹里面，有的代码需要把里面图片移动到上一级目录才能使用

  3. 所属分类：深度学习

  1. vot2013+vot2014+vot2015+vot2016+otb100.txt

  2. 源出处 https://download.csdn.net/download/weixin_40269319/11094776 (感谢)，受限积分，深感无奈。

  3. 所属分类：深度学习

    • 发布日期：2019-05-22
    • 文件大小：67
    • 提供者：hudaliquan

  1. 基于稀疏正则化的相关滤波器跟踪器

  2. 近来，基于相关滤波器的跟踪器在准确性和鲁棒性方面均取得了竞争优势。 为了有效地学习分类器，这些方法利用了训练样本的周期性假设。对傅里叶域中的密集采样的处理进行建模。 然而，周期性假设引入了有害的边界效应，这严重降低了跟踪模型的性能。为了降低边界效应，我们提出了一种多尺度ℓ1正则相关滤波器跟踪器（MSL1CFT），它利用不同的正则化参数来在学习过程中惩罚每个相关滤波器系数。 我们的方法可以在大量的负训练样本上学习相关滤波器模型，而不会恶化正样本。 我们进一步为我们的模型提供了一种快速求解器，它使用

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：2097152
    • 提供者：weixin_38713586

  1. 重构特征联合的多域卷积神经网络跟踪算法

  2. 针对MDNet跟踪算法网络模型中存在的特征稳健性差以及目标背景信息丢失导致跟踪失败的问题,提出一种基于重构特征联合的多域卷积神经网络视觉跟踪算法。基于末端卷积层提取的目标高级特征,使用反卷积操作上采样,获得了包含目标背景信息的重构特征,再通过联合目标高级特征和背景信息的重构特征的方式增强特征的稳健性,达到了有效区分目标和背景的目的,适用于解决跟踪过程中出现的目标遮挡、形变、光照变化等问题。将本文算法分别在OTB50和VOT2015跟踪测试集上进行测试,与MDNet算法相比,跟踪精度提升1.53%

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：20971520
    • 提供者：weixin_38589314

  1. TensorFlow平台下的视频目标跟踪深度学习模型设计

  2. 训练模型复杂且训练集庞大导致深度学习的发展受到严重阻碍。使用Google最新开源的TensorFlow软件平台搭建了用于视频目标跟踪的深度学习模型。介绍了深度学习的原理和TensorFlow的平台特性, 提出了使用TensorFlow软件平台设计的深度学习模型框架结构, 并使用VOT2015标准数据集中的数据设计了相应的实验。经实验验证, 该模型具有较高的计算效率和识别精度, 并可便捷地调整网络结构, 快速找到最优化模型, 很好地完成视频目标识别跟踪任务。

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：7340032
    • 提供者：weixin_38618819