This is the Windows 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.
Download and run online this app named CFNet with OnWorks for free.
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 einen beliebigen OS OnWorks-Online-Emulator von dieser Website, aber einen besseren Windows-Online-Emulator.
- 5. Rufen Sie vom gerade gestarteten OnWorks Windows-Betriebssystem unseren Dateimanager https://www.onworks.net/myfiles.php?username=XXXXX mit dem gewünschten Benutzernamen auf.
- 6. Laden Sie die Anwendung herunter und installieren Sie sie.
- 7. Laden Sie Wine aus den Software-Repositorys Ihrer Linux-Distributionen herunter. Nach der Installation können Sie dann auf die App doppelklicken, um sie mit Wine auszuführen. Sie können auch PlayOnLinux ausprobieren, eine schicke Schnittstelle über Wine, die Ihnen bei der Installation beliebter Windows-Programme und -Spiele hilft.
Wine ist eine Möglichkeit, Windows-Software unter Linux auszuführen, jedoch ohne Windows. Wine ist eine Open-Source-Windows-Kompatibilitätsschicht, die Windows-Programme direkt auf jedem Linux-Desktop ausführen kann. Im Wesentlichen versucht Wine, genügend Windows von Grund auf neu zu implementieren, damit alle diese Windows-Anwendungen ausgeführt werden können, ohne dass Windows tatsächlich benötigt wird.
CFNet
BESCHREIBUNG:
CFNet is the official implementation of End-to-end representation learning for Correlation Filter based tracking (CVPR 2017) by Luca Bertinetto, Jack Valmadre, João F. Henriques, Andrea Vedaldi, and Philip H. S. Torr. The framework combines correlation filters with deep convolutional neural networks to create an efficient and accurate visual object tracker. Unlike traditional correlation filter trackers that rely on hand-crafted features, CFNet learns feature representations directly from data in an end-to-end fashion. This allows the tracker to be both computationally efficient and robust to appearance changes such as scale, rotation, and illumination variations. The repository provides pre-trained models, training code, and testing scripts for evaluating the tracker on standard benchmarks. By bridging the gap between correlation filters and deep learning, CFNet provides a foundation for further research in real-time object tracking.
Eigenschaften
- Implements CFNet tracker from CVPR 2017
- End-to-end learning of correlation filter representations
- Combines efficiency of correlation filters with robustness of CNNs
- Pre-trained models and evaluation scripts included
- Training code provided for reproducing results
- Suitable for real-time visual object tracking research
Programmiersprache
MATLAB
Kategorien
This is an application that can also be fetched from https://sourceforge.net/projects/cfnet.mirror/. It has been hosted in OnWorks in order to be run online in an easiest way from one of our free Operative Systems.