← 返回刚才阅读的位置

知识卡片

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

RAN训练集怎么造

理解等级:中级

响应图的好坏没有现成标注,只能自己造。做法是用 KCF 在 OTB-2013 上逐帧运行,把每帧分类器产生的响应图与该帧跟踪结果放在一起看:目标剧烈变化、跟踪框已开始漂移时形状不规则,标为 Bad;定位仍准确、形状接近高斯(允许带噪)时标为 Normal,全数据集挑出 447 幅有代表性的样本。两个处理决定这个数据集能不能用:一是类别极不均衡会让准确率一类指标失去意义,故把 Bad 与 Normal 调到 3.5∶6.5;二是样本量小,按 8∶2 划分训练与验证,且不做零中心化,直接送原始响应图。标签依据的是“跟踪是否已经漂移”这一外部事实,网络学到的因此是可用性,而不是图形好不好看。

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:响应图的好坏没有现成标注,只能自己造。 - 原始内容:从整个OTB-2013数据集的响应图中,挑选出有代表性的447幅。在大部分场景下,具有Normal标签的响应图远多于具有Bad标签的响应图,但是当训练集中两种样本比例过于不均衡时会导致评价指标失去客观性。