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.
בצע את ההוראות הבאות כדי להפעיל את האפליקציה הזו:
- 1. הורד את היישום הזה למחשב שלך.
- 2. הזן במנהל הקבצים שלנו https://www.onworks.net/myfiles.php?username=XXXXX עם שם המשתמש שאתה רוצה.
- 3. העלה את היישום הזה במנהל קבצים כזה.
- 4. הפעל כל אמולטור מקוון של OS OnWorks מאתר זה, אך עדיף אמולטור מקוון של Windows.
- 5. ממערכת ההפעלה OnWorks Windows שזה עתה התחלת, עבור אל מנהל הקבצים שלנו https://www.onworks.net/myfiles.php?username=XXXXX עם שם המשתמש הרצוי.
- 6. הורד את האפליקציה והתקן אותה.
- 7. הורד את Wine ממאגרי התוכנה שלך להפצות לינוקס. לאחר ההתקנה, תוכל ללחוץ פעמיים על האפליקציה כדי להפעיל אותם עם Wine. אתה יכול גם לנסות את PlayOnLinux, ממשק מפואר מעל Wine שיעזור לך להתקין תוכניות ומשחקים פופולריים של Windows.
Wine היא דרך להפעיל תוכנת Windows על לינוקס, אך ללא צורך ב-Windows. Wine היא שכבת תאימות של Windows בקוד פתוח שיכולה להריץ תוכניות Windows ישירות על כל שולחן עבודה של לינוקס. בעיקרו של דבר, Wine מנסה להטמיע מחדש מספיק של Windows מאפס כדי שהוא יוכל להריץ את כל יישומי Windows מבלי להזדקק ל-Windows.
CFNet
Ad
תיאור
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.
תכונות
- 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
שפת תכנות
MATLAB
כל הקטגוריות
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.
