《表2 正负样本展示：基于FasterMDNet的视频目标跟踪算法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于FasterMDNet的视频目标跟踪算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

FasterMDNet完成网络预训练后，需要将最后一个全连接层（FC61～FC6k）的多个分支由单个分支FC6替代，训练阶段的目的是学习目标表示用于目标跟踪，在线微调跟踪时每个测试视频序列第1帧，根据离线训练中IoU标准，在第一帧选取500个正样本和5 000个负样本，从第2帧开始收集每帧跟踪后的数据，用于在线更新的训练数据，然后根据IoU标准大于0.7为正样本，小于0.3的为负样本，最后收集50个正样本和200个负样本，从第1帧到第n帧正负样本结果展示如表2所示，每10帧进行一次长期更新模型，然后由RPN输出最后收集的正负样本，ROIAlign对样本提取ROI特征，将特征作为输入送进全连接层，通过网络进行评估，最后由对应的视频域全连接层softmax层输出目标分数f+（xi）和背景分数f-（xi），其中i=1，2，?，N，xi表示第i帧目标状态，网络第i帧目标最大得分为：