深度学习模型试跑(一):pysot
目录一.模型解读二.试跑效果一.模型解读作为一个由商汤视觉智能研究团队开发的视觉追踪的模型，该论文主要解决的问题是将深层基准网络ResNet、Inception等网络应用到基于孪生网络的跟踪网络中。在SiameseFC算法之后，尽管已经有很多的基于孪生网络的跟踪算法，但是大家可能会注意到一个问题是，这些网络都使用浅层的类AlexNet做为基准特征提取器。其实在这之前，也有学者们尝试着使用深层的..
·
一.模型解读
作为一个由商汤视觉智能研究团队开发的视觉追踪的模型，该论文主要解决的问题是将深层基准网络ResNet、Inception等网络应用到基于孪生网络的跟踪网络中。在SiameseFC算法之后，尽管已经有很多的基于孪生网络的跟踪算法，但是大家可能会注意到一个问题是，这些网络都使用浅层的类AlexNet做为基准特征提取器。其实在这之前，也有学者们尝试着使用深层的网络，但是发现直接使用预训练好的深层网络反而会导致跟踪算法精度的下降，因此，这成为了一个基于孪生网络的跟踪器需要解决的一个关键问题！
二.试跑效果
测试环境：
机器 : Dell T5820服务器
GPU: Nvidia P4000
cuda: 10.1
cudnn: 7.5
关键库: torch 1.2.0;torchvision 0.2.2; opencv-python 3.4.7等
试跑视屏:
注意:被检测的物体一定要一直在视屏里面。
更多推荐
0
0- 0
已为社区贡献2条内容
所有评论(0)