← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9599.b · 生成模型:DeepSeek-V4.1-Flash

循环矩阵让训练有闭式解

理解等级:中级

KCF 的样本不靠随机裁剪,而是以目标为中心做循环移位,一个图像块就能生成覆盖所有平移位置的训练集,这些样本恰好构成循环矩阵。循环矩阵可被傅里叶矩阵对角化,其和、积、逆、转置仍是循环矩阵,与向量相乘等价于卷积、在频域即点乘。于是核岭回归的解 α 不必去解大规模线性方程组,直接在频域逐元素求出,训练与检测都只需几次 FFT。正则项 λ 把最小二乘变成岭回归,抑制过拟合。代价是循环移位产生的是“伪样本”,在边界处引入不真实的重复内容,即边界效应,后来 SRDCF 用空域正则化压制它;并且方法默认目标落在搜索窗中心附近,位移过大时响应会从另一侧绕回。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《基于类脑计算的目标检测与跟踪技术》第7章 基于卷积神经网络与人脑记忆模型的目标跟踪算法(源文件:extracted/基于类脑计算的目标检测与跟踪技术/_epub-src/OPS/txt007.html) - 结论依据:KCF 的样本不靠随机裁剪,而是以目标为中心做循环移位,一个图像块就能生成覆盖所有平移位置的训练集,这些样本恰好构成循环矩阵。 - 原始内容:与MOSSE跟踪算法不同,KCF跟踪算法的训练样本集是以当前帧中的目标为中心,通过构造循环矩阵得到的