Deep Learning for Visual Tracking: AComprehensive Survey基于深度学习的视觉跟踪

论文地址：https://arxiv.org/pdf/1912.00535.pdf

摘要

研究当前基于深度学习的可视化跟踪方法、基准数据集和评价指标。从9个关键方面总结了基于深度学习方法的基本特征、主要动机和贡献:网络架构、网络开发、视觉跟踪的网络训练、网络目标、网络输出、相关滤波器开发、鸟瞰跟踪、长期跟踪、在线跟踪。

引言

视觉跟踪：由目标初始状态估计未知的视觉目标的轨迹。

应用

自动驾驶汽车[1]，自主机器人[2]，监控[3]，增强现实[4]，鸟瞰跟踪[5]，运动[6]，外科[7]，生物学[8]，海洋探索[9]，等等。

视觉跟踪的挑战

其中可能包括任意类别的目标(如人、无人机、动物、车辆)和运动模型，各种成像特性(如静态/移动摄像机、平滑/快速移动，相机分辨率)，以及环境条件的变化(例如，照明变化，背景杂乱，拥挤的场景)。

传统方法