各CF-based tracker中output_sigma_factor取值

现有的各CF-Based tracker中理想高斯响应中output_sigma_factor的取值情况

默认output_sigma = target_sz*output_sigma_factor;

 

【CREST】 0.1

    output_sigma_factor=0.1;

    output_sigma = target_sz*output_sigma_factor;%output_sigma 是个向量

    labels = exp(-alpha*(rs.^2/sigma(1)^2 + cs.^2/sigma(2)^2));%这里alpha根据不同的情况取0.2或者0.3,具体参见源代码

【KCF】0.1

    output_sigma_factor=0.1;

    output_sigma = sqrt(prod(target_sz)) * output_sigma_factor / cell_size; %output_sigma 是个标量

    labels = exp(-0.5 / sigma^2 * (rs.^2 + cs.^2));

 

 

 

Reference:

【CREST】:Y Song, C Ma, L Gong, et al. CREST Convolutional Residual Learning for Visual Tracking[C]. //ICCV2017

【KCF】: JF Henriques, R Caseiro, P Martins, et al. High-Speed Tracking with Kernelized Correlation Filters[J]. TPAMI2015.

转载于:https://www.cnblogs.com/qq552048250/p/8037299.html

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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