JianqiuChen的博客

导入环境：# 导入docker镜像docker load --input vot_toolkit.tar# 根据docker镜像建立容器 sudo docker run --gpus all --shm-size=60g -it -v /你的本地项目路径:/test -w /test vot_toolkit生成配置文件在该目录下生成三个文件trackers.ini:[TRACKALL] # <tracker-name>label = TRACKALLprot..

Motivation：设计了一个由多层lstm组成的meta-updater，用来控制模板更新从而实现online-updated tracker。paper：code：meta-updaterxt∈Rd×1x_t ∈ R^{d\times 1}xt​∈Rd×1 is a column vector concentrated by stC,stA,vtRs^C_t , s^A_t , v^R_tstC​,stA​,vtR​ , and btb_tbt​.Appearance Cue: s.

1. 什么是卡尔曼滤波卡尔曼滤波（Kalman filter）是一种高效的自回归滤波器，它能在存在诸多不确定性情况的组合信息中估计动态系统的状态，是一种强大的、通用性极强的工具。它的提出者，鲁道夫.E.卡尔曼，在一次访问NASA埃姆斯研究中心时，发现这种方法能帮助解决阿波罗计划的轨道预测问题，后来NASA在阿波罗飞船的导航系统中确实也用到了这个滤波器。最终，飞船正确驶向月球，完成了人类历史上的第一次登月。– 引用自以下两个链接（对应中英文链接），第一次了解卡尔曼滤波的同学强烈推荐阅读以下两篇文章。H.

Transformer Meets Tracker: Exploiting Temporal Context for Robust Visual Tracking这一篇是中国科学技术大学 周文罡 老师团队的作品，2021 CVPR ORAL1. MotivationIn video object tracking, there exist rich temporal contexts among successive frames, which have been largely overlooke