目录
图像处理算法
1、卷积神经网络局部连接
卷积过程是一个激活图像特征的过程。
神经元：也叫感受野，是一个滤波器，它的宽高自定义，深度值全网络与输入图片的通道数一致。
步长：表示卷积每次会滑动步长个像素。
输出尺寸：用公式计算，与输入数据大小、感受野尺寸、步长、填充0的数量等参数有关。
0填充：可以改变卷积输出结果的大小
参数共享：因为同一特征在不同位置的表现是相同的，不使用参数共享是因为，不希望在不同位置检测到相同特征比如人脸眼睛。
池化层：根据图片特征的不变性，从卷积层输出结果的切片上，选取最大值（策略）进行采样，实现图片缩小（降噪）后再进行卷积。一般在卷积层之间用最大值特征，在最后一层用平均池化策略。
2、全连接层
经过一系列的卷积和池化之后，每个神经元与前一层所有的神经元全部连接， 而卷积神经网络只和输入数据中的一个局部区域连接， 并且输出的神经元每个深度切片共享参数。
OTB跟踪算法评测平台
1、使用步骤
（1）设置要评测的算法trackers；（2）anno中选择在哪些视频序列上进行测试；（3）运行测试文件；（4）运行画结果图文件；（5）运行绘制结果对比图文件
2、OTB跟踪测试工具toolkit
下载地址http://cvlab.hanyang.ac.kr/tracker_benchmark/
下载解压后的工具包中：
anno是标注好的视频序列的位置数据。默认是OTB13的标注数据，测试OTB100的标注数据，需要替换anno文件夹。
figs：运行完算法、并运行perfPlot.m文件画完图，生成的图片。
perfMat：是运行perfPlot.m文件画图的记录文件，在修改画图算法后，要把该文件夹里的overall文件清空。
results：保存算法测试的结果，命名视频序列+算法名称.mat，为空时，说明算法有瑕疵。
trackers：存放你需要测试的算法的代码，接口文件run_算法名.m
util：保存程序需要调用的函数，configSeqs.m设置需要在哪些视频序列上进行测试。configTrackers.m文件，设置你需要测试的跟踪算法。☆☆
drawResultBB.m：从results文件夹里调用结果文件，将跟踪结果框（bounding_box）显示在图片上。
main_running.mat：是主程序，设置完成需要测试的算法，在哪些视频序列上进行测试后，运行这个文件，等他跑完就可以在results文件夹里看到跟踪结果文件了。
perfPlot.m：是将跟踪结果绘制成精度图或者成功率图，前提算法在数据库已经运行，在results文件夹里有对应结果文件
注：vlfeat在main.running.m文件中有vlfeat的位置规定。
VOT跟踪算法测试平台
vot-toolkit2014下载地址：http://pan.baidu.com/s/1kVcJ0Ir
配置跟踪器：运行toolkit_path.m，打开./workspace，选定数据集、自己tracker的名字，选定程序语言，运行workspace_create.m，配置成功后生成如下文件：
打开tracker_DSST.m文件，配置tracker接口，修改标注位置，注释掉第二行。
运行run_experiments.m
单步运行至第二条语句，可以看到变量sequences 和 experiments，可以打开这两个变量看看，基本就可以了解整个实验的配置了。
如果想只跑一部分视频的话，只需更改./sequences/list.txt文件，只保留想跑的视频即可
当run_experimetns运行完后，会生成相应的结果文件如下：
运行run_analysis.m：其中tracker定义了要比较的所有跟踪算法
run_analysis运行完后，生成的结果含分析图和表，保存在report文件夹中。
