版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/discoverer100/article/details/86497284

友情提示：如果希望了解如何从头开始训练ADNet网络并进行跟踪，可以阅读本人另一篇博客：https://blog.csdn.net/discoverer100/article/details/86517170

1. 论文基本信息

• 论文标题：Action-Decision Networks for Visual Tracking with Deep Reinforcement
  Learning
• 论文作者：Sangdoo Yun（Seoul National University, South Korea）等人
• 论文出处：CVPR 2017
• 在线阅读：http://openaccess.thecvf.com/content_cvpr_2017/papers/Yun_Action-Decision_Networks_for_CVPR_2017_paper.pdf
• 补充材料：http://openaccess.thecvf.com/content_cvpr_2017/supplemental/Yun_Action-Decision_Networks_for_2017_CVPR_supplemental.pdf
• 源码链接1：https://github.com/hellbell/ADNet （MATLAB版本）
• 源码链接2：https://github.com/ildoonet/tf-adnet-tracking （TensorFlow版本）

2. 运行环境介绍

• NVIDIA GTX 1070
• Windows 10 x64
• Visual Studio 2013
• MATLAB R2016b（MATLAB需要配置VS2013作为C和C++编译器）
• CUDA 7.5.18 for win10 and CUDA 8.0.61 for win10 （需要两个版本，可以共存）
  （注： 就本文的范围而言，无需手工在操作系统中配置环境变量）

3. 操作步骤

S1. 打开adnet_compile.m文件，修改cudaRoot的路径，可以根据自己的系统类型来选择修改，如下如所示（注： 这里用8.0版本的CUDA）：

S2. 根据自己的系统类型，打开utils\cropRectanglesMex目录下的build_cropRectanglesMex_on_windows.m或build_cropRectanglesMex.m文件，修改cudaRoot的路径，如下如所示（注： 这里用7.5版本的CUDA）：

S3. 运行S1中的adnet_compile.m文件，对MatConvNet进行编译。编译成功后如下图所示（不必理会warning）：

S4. 运行adnet_demo.m文件，默认跟踪自带的Freeman1 视频，如下所示：

更多精彩内容