深度学习之目标跟踪

本文探讨了深度学习在目标跟踪领域的应用,重点关注MDNet算法。MDNet使用共享层和多目标分支网络,通过分类实现跟踪,并通过在线Fine-Tune适应目标变化,结合Hard negative mining和Bounding box regression提高准确性。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

一. 跟踪进展(Advances in Visual Tracking)

       作者在前面的机器学习文章中也讲到了 Tracking,感兴趣的童鞋可以 Review一下:机器学习实践系列之5 - 目标跟踪

       前面只是基于传统方法的跟踪,这一篇我们 Focus 在深度学习上。

       关注跟踪算法的进展,只需要 Follow VOT Challenge 就可以了,Visual Object Tracking大餐全在这里咯。闲话少说,上图(盗用了 mengmeng wang ppt上的图):

     

二. 引入CNN

       CNN在分类、检测领域火的一塌糊涂的时候,目标跟踪貌似并未找到感觉,原因是显而易见的:

1)由于跟踪的特殊性,无法有效区分正负样本,只有当前跟踪的目标是正样本,其余Crop均为副样本,下一个时候可能又会不同,这种特殊性导致很难训练;

2)跟踪需要在一个视频序列中变化,而这种变化又存在依赖和位置关系等信息,很难转换成一个分类问题;

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值