? 理解出錯之處望不吝指正。

? 本文模型就是大名鼎鼎的KCF/DCF。

? 本文在CSK的基礎上進行了一些改進，大致如下：

??? （1）不像CSK中使用的是灰度特征，本文使用HOG特征；

??? （2）使用HOG特征+高斯核函數的模型叫做KCF；

??? （3）使用HOG特征+線性核函數的模型叫做DCF。

? KCF的效果比DCF好一點點，但是DCF比KCF要更快。

?

• ? 如何在CF模型中使用HOG特征？

? 這部分其實論文中沒有講到，作者扔給大家一篇參考文獻《Object Detection with Discriminatively Trained Part Based Models》，大家可以去看一下。

? 實際上，在KCF/DCF中使用的是FHOG特征，這是一種基于HOG特征的改進。

??? （1）將樣本劃分為個區域，對于每個區域，進行32維的特征統計；

??? （2）對于不同區域得到的統計特征（向量），并行起來，得到一個的張量；

??? （3）將每個32維的特征向量視為一個“值”，對個區域進行循環移位得到樣本集。

?

• ? 實驗效果（KCF與DCF對比）

???

???

總結

以上是生活随笔為你收集整理的ECCV 2012 KCF/DCF:《High-speed tracking with kernelized correlation filters》论文笔记的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。