ECO个人笔记
ECO
由于大量训练模型引入过度拟合的风险,本论文解决计算复杂性和过拟合问题
同时提出高速度和性能
其中DCF公式:
1.因子分解解决算子,减少模型的参数数量。
2.训练样本分布的紧凑生成模型,显著降低了存储和时间复杂度。
3.具有改进的鲁棒性和降低的复杂性的保守模型更新策略
测试VOT2016,UAV123,OTB-2015和TempleColor
改进:
1.模型大小:高维特征图的集成导致外观模型参数的数量增加,超过了输入图像的维度。容易过拟合
2.训练集大小:需要存储大量的训练样本集,依赖迭代优化
原创
2022-03-23 16:36:04 ·
359 阅读 ·
0 评论