This is the Linux app named CFNet whose latest release can be downloaded as cfnetsourcecode.tar.gz. It can be run online in the free hosting provider OnWorks for workstations.
Laden Sie diese App namens CFNet mit OnWorks kostenlos herunter und führen Sie sie online aus.
Befolgen Sie diese Anweisungen, um diese App auszuführen:
- 1. Diese Anwendung auf Ihren PC heruntergeladen.
- 2. Geben Sie in unserem Dateimanager https://www.onworks.net/myfiles.php?username=XXXXX den gewünschten Benutzernamen ein.
- 3. Laden Sie diese Anwendung in einem solchen Dateimanager hoch.
- 4. Starten Sie den OnWorks Linux-Online- oder Windows-Online-Emulator oder den MACOS-Online-Emulator von dieser Website.
- 5. Rufen Sie vom gerade gestarteten OnWorks Linux-Betriebssystem aus unseren Dateimanager https://www.onworks.net/myfiles.php?username=XXXXX mit dem gewünschten Benutzernamen auf.
- 6. Laden Sie die Anwendung herunter, installieren Sie sie und führen Sie sie aus.
CFNet
Ad
BESCHREIBUNG
CFNet ist die offizielle Implementierung des End-to-End-Repräsentationslernens für Korrelationsfilter-basiertes Tracking (CVPR 2017) von Luca Bertinetto, Jack Valmadre, João F. Henriques, Andrea Vedaldi und Philip HS Torr. Das Framework kombiniert Korrelationsfilter mit tiefen Convolutional Neural Networks, um einen effizienten und präzisen visuellen Objekt-Tracker zu erstellen. Anders als herkömmliche Korrelationsfilter-Tracker, die auf handgefertigten Features beruhen, lernt CFNet Feature-Repräsentationen durchgängig direkt aus den Daten. Dadurch ist der Tracker sowohl rechnerisch effizient als auch robust gegenüber Erscheinungsänderungen wie Skalierung, Drehung und Beleuchtungsvariationen. Das Repository bietet vortrainierte Modelle, Trainingscode und Testskripte zur Evaluierung des Trackers anhand von Standard-Benchmarks. Indem CFNet die Lücke zwischen Korrelationsfiltern und Deep Learning schließt, bietet es eine Grundlage für weitere Forschung im Bereich Echtzeit-Objekt-Tracking.
Eigenschaften
- Implementiert den CFNet-Tracker von CVPR 2017
- End-to-End-Lernen von Korrelationsfilterdarstellungen
- Kombiniert die Effizienz von Korrelationsfiltern mit der Robustheit von CNNs
- Vortrainierte Modelle und Auswertungsskripte enthalten
- Trainingscode zur Reproduktion der Ergebnisse bereitgestellt
- Geeignet für die visuelle Objektverfolgungsforschung in Echtzeit
Programmiersprache
MATLAB
Kategorien
Diese Anwendung kann auch von https://sourceforge.net/projects/cfnet.mirror/ heruntergeladen werden. Sie wurde in OnWorks gehostet, um sie auf einfachste Weise online von einem unserer kostenlosen Betriebssysteme aus ausführen zu können.
