- 博客(5)
- 收藏
- 关注
RSS订阅原创 FlowTrack－End-to-end Flow Correlation Tracking with Spatial-temporal Attention(CVPR2018)
动机：大多数DCF方法仅考虑当前帧的特征，而很少受益于运动和帧间信息。发生遮挡和形变时，时间信息缺失导致性能减低。本文提出FlowTrack，利用连续帧中丰富的光流信息来改善特征表示和跟踪精度。具体是将光流估计，特征提取，聚合和相关滤波器跟踪制定为网络中的特殊层，从而实现端到端学习。这种在深度学习的框架中联合训练光流和跟踪任务的做法是第一次被提出。然后在重新定义的间隔处，历史特征图被扭曲(...
2018-10-18 12:19:11
1052
原创 揭开深度跟踪的力量--Unveiling the Power of Deep Tracking (ECCV2018)
论文地址：Goutam_Bhat_Unveiling_the_Power_ECCV_2018_paper 文章亮点：1、分析深度特征和浅层特征对跟踪器性能的影响；2、探究跟踪器鲁棒性和准确性之间的平衡；3、提出新的深浅特征的融合策略；另：研究数据增强策略对跟踪器性能的提升。深度特征的优点：能够编码高级抽象信息，不受复杂外观变化和杂波的影响，鲁棒性好。深度特征的局限：...
2018-10-10 22:27:55
2848
2
原创 Long-term Correlation Tracking -- 长期相关性跟踪
问题： 实践中发现多种跟踪算法在目标长期跟踪过程中，当出现重度遮挡、物体跑出视野外情况时，总会跟丢，并且难以重新找回初始目标。扒出15年的这篇论文，想要尝试借鉴一下它解决这类问题的思想方法。 直接入题：本文解决了长期视觉跟踪的问题，目标物体由于变形、突然运动、重度遮挡和视野之外而引起明显的外观变化。这种情况下，我们将追踪任务分解为对象的平移和尺度估计。作者的论文中表明，时间上...
2018-06-18 16:27:59
7716
3
原创 C-COT -- 超越相关滤波：学习连续卷积算子(Continuous Convolution Operators)
在目标跟踪算法中，ECO算法表现很优秀，是基于C-COT跟踪算法的改进（Martin 林雪平大学）。因此学习C-COT是理解和改进ECO算法的基础和关键。 一、C-COT算法的整体核心原理如下图所示： 多分辨率深度特征图 习得的连续卷积滤波器 每层置信度 最终的连续置信度...
2018-06-04 13:06:05
13745
1
原创 MDNet -- 学习用于视觉跟踪的多域卷积神经网络
摘要作者提出了一种新颖的视觉跟踪算法，基于一个来自有区别训练的CNN的表示（representation）。算法中使用大量跟踪视频的ground-truth来对CNN进行预训练，以获得通用的目标表示。网络由共享层和特定域的层的多分支组成，其中域对应于独立的训练等级，并且每个分支负责一个二分类去识别每个域中的目标。我们针对每个域迭代地训练网络来获得共享层中的通用目标表示。当跟踪一个新的视...
2018-05-21 12:52:53
12670
5
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人