MDNet

2019年6月4日 下午11:35

我认为MDNet就是在R-CNN上进行更改的，核心有两个

1. Motivation1是明确问题思路，Motivation2是简化问题
2. 与R-CNN的区别：
   1. 由于是一个跟踪问题，他可以在线更新模型
   2. Motivation1明确了自己网络模型学习的对象：某种追踪的共性

我认为的一个缺点：

1. MDNet在训练的过程中(输入输出)没有使用视频的上下帧之间的关系，帧之间的关系是浪费了
   1. Box regression

Project Webpage：

Learning Multi-Domain Convolutional Neural Networks for Visual Tracking

翻译：

小网络自训练跟踪算法MDNet: Learning Multi-Domain Convolutional Neural Networks for Visual Tracking - 知乎

1. Motivation
   1. 所有的跟踪目标，虽然类别各不相同，但其实他们应该都存在某种共性，这是需要网络去学的。
      1. 这个模型中所指的共性：::输入的condition是目标还是背景的在所有训练集数据中的共性::
   2. 在跟踪问题中，一个网络只需要分两类：目标和背景。而且目标一般都相对比较小，那么其实不需要这么大的网络，会增加计算负担
2. 网络在线更新策略
3. 目标跟踪
   1. 采样256个candidates
   2. 输出是一个二维的向量，分别表示输入的bounding box是目标和背景的概率
   3. 最后得到的candidate其实不是直接作为目标，还要做一部bounding box regression

Python版本：

GitHub - HyeonseobNam/py-MDNet: MDNet PyTorch implementation

1. 使用cpu版本：
   1. Support CPU Mode · Issue #11 · HyeonseobNam/py-MDNet · GitHub
2. MDNet视频目标跟踪源码运行笔记（Python 2.7版本）——Training and then testing模式 - 越野者的博客 - CSDN博客

MatLab版：

GitHub - HyeonseobNam/MDNet: Learning Multi-Domain Convolutional Neural Networks for Visual Tracking

运行参数：

python tracking_only/run_tracker.py -s dataset_rectify_lib_ball -d

python tracking_only/run_tracker.py -s DragonBaby -d