LJ的博客

文章目录引入相关工作Long-term Visual TrackingOnline Update for Visual TrackingLong-term Tracking with Meta-UpdaterFrameworkMeta-UpdaterCascaded LSTMMeta-Update TrainingLTMU 2020长期目标跟踪相对于短期目标跟踪 和实际应用更加贴近大多数长期跟踪器使用的是离线训练的Siamese结构，这样不易受到遮挡干扰等噪声的影响短期跟踪器是可以有在线更新的

文章目录模式分类中的特征融合方法引入现状 ( < 2017)算法基于贝叶斯理论的特征融合算法决策级水平融合(*)特征级水平融合模式分类中的特征融合方法引入传统模式识别思路：特征工程（特征提取、特征降维、特征融合等）、分类器设计、训练测试特征如：颜色特征、SIFT特征、HOG特征、HOF特征、GIST特征等分类器如：KNN、SVM，Random Forest、CNN等特征分为：人工设计的特征 和 深度特征，前者特点鲜明意义明确，后者面向具体问题（即理解为 提取的特征 是针对CNN训练时侧重