deepsort的特征提取网络

特征提取网络是deepsort算法中的关键组成部分，它可以将目标检测框中的特征提取出来并保存。通过这一网络，可以在目标被遮挡后又重新出现时，利用前后的特征对比来重新追踪目标，从而大大减少目标在遮挡后追踪失败的可能性。

在deepsort算法中，特征提取网络一般是在训练过程中得到的。具体训练流程如下所示：首先，运行相应的代码，进行特征提取网络的训练。训练完毕后，可以在指定目录（例如deep_sort/deep_sort/deep/checkpoint目录）下获取一个新的特征提取网络。

特征提取网络通常是基于卷积神经网络（CNN）的架构设计。例如，常用的yolo v3算法中，通过特征提取网络对输入图像进行特征提取，获得一定大小的特征图。然后，根据尺寸聚类确定anchor box。对于每个边界框，网络会预测4个坐标偏移量。

此外，特征提取网络的最后一层通常是全连接层。全连接层是最原始、最早出现的神经网络结构之一，能够传递特征信息而减少信息损失。然而，全连接层的参数较多，计算量大，训练较慢。因此，一般在CNN的尾部进行重新拟合，以减少特征信息的损失。<span class="em">1</span><span class="em">2</span><span class="em">3</span><span class="em">4</span>