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.
Bu uygulamayı çalıştırmak için şu talimatları izleyin:
- 1. Bu uygulamayı PC'nize indirdiniz.
- 2. Dosya yöneticimize https://www.onworks.net/myfiles.php?username=XXXXX istediğiniz kullanıcı adını girin.
- 3. Bu uygulamayı böyle bir dosya yöneticisine yükleyin.
- 4. Bu web sitesinden herhangi bir OS OnWorks çevrimiçi öykünücüsünü başlatın, ancak daha iyi Windows çevrimiçi öykünücüsü.
- 5. Yeni başlattığınız OnWorks Windows işletim sisteminden, istediğiniz kullanıcı adıyla https://www.onworks.net/myfiles.php?username=XXXXX dosya yöneticimize gidin.
- 6. Uygulamayı indirin ve kurun.
- 7. Wine'ı Linux dağıtımları yazılım havuzlarınızdan indirin. Kurulduktan sonra, Wine ile çalıştırmak için uygulamaya çift tıklayabilirsiniz. Ayrıca, popüler Windows programlarını ve oyunlarını yüklemenize yardımcı olacak Wine üzerinden gösterişli bir arayüz olan PlayOnLinux'u da deneyebilirsiniz.
Wine, Windows yazılımını Linux üzerinde çalıştırmanın bir yoludur, ancak Windows gerektirmez. Wine, Windows programlarını doğrudan herhangi bir Linux masaüstünde çalıştırabilen açık kaynaklı bir Windows uyumluluk katmanıdır. Esasen Wine, Windows'a ihtiyaç duymadan tüm bu Windows uygulamalarını çalıştırabilmesi için yeterince Windows'u sıfırdan yeniden uygulamaya çalışıyor.
CFNet
AÇIKLAMA:
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.
Özellikler
- 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
Programlama dili
MATLAB
Kategoriler
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.