SiamFC：利用全卷积孪生网络进行视频跟踪-附件资源

在计算机视觉应用领域，如运动结构分析、多视图3D重建、图像检索和基于图像的地位，图像匹配都扮演了重要的角色。在这篇文章中，我采用卷积神经网络表达相似图像对和不相似图像对的特征，然后采用欧拉距离测量特征矢量并估计相似度。其中，我采用的是类似于孪生网络的结构提取特征向量。在此之前，孪生网络已经成功运用到了图像的局部匹配领域和人脸对比验证，但是还没有应用于图像的大规模匹配。我通过大量实验验证，提出的图像匹配方法的性能远高于基线算法。这还是在我标注的标签质量很差的情况下，如果数据量更大，竞金标准更好，我可以获得更好的结果。我的贡献主要表现在两

私信可讲解，各种问题都遇到了基本上

含有训练好的模型，可以对OTB等数据集进行测试和评估

基于孪生网络的掌纹识别Python

tf实现

这是CVPR2018的单目标跟踪算法SiamRPN的翻译，有需要的人可以拿去用，方便理解原文。

基于caffe的度量学习实现，主要是孪生网络和三元组网络（Siamese network & Triplet network）实现图像的分类和度量。包含训练测试脚本和python脚本。

分享一份孪生网络数据集，供初学者使用 内含已经切分好的训练集、验证集和测试集 格式为： q1,q2,tag

详细信息见https://blog.csdn.net/qq_36449741/article/details/99696228