一. 简介
选择这篇文章的原因在于能实现 100帧的效果,对于跟踪来讲,大多数应用场景需要实时跟踪,应该说仅仅实时跟踪还不够,还需要计算资源来做 视频解码、检测、比对 等多个工作。
这篇文章 2016年来自 Stanford 大学的 David Held,通过 CNN直接回归的方式得到目标位置。
论文下载:Learning to Track at 100 FPS with Deep Regression Networks
代码下载:【Github】
二. 算法框架
先来概括一下该方法的几个要点:
1)作者实现了一个完全 Offline 的 Training,忽略掉了在线学习(online learning)过程,不需要 FineTuning,帧率因此能达到 100FPS;
&nb

本文介绍了Stanford大学的David Held提出的GOTURN目标跟踪算法,通过深度回归网络实现100FPS的高效跟踪。算法避免在线学习,采用前馈网络直接回归目标位置,通过离线学习捕捉Appearance & Motion的关系。数据增强和L1 Loss损失函数用于训练,实验显示其在速度与准确性之间取得平衡。
最低0.47元/天 解锁文章
8178





