CVPR 2018 MCCT:《Multi-Cue Correlation Filters for Roubust Visual Tracking》论文笔记

介绍了一种名为MCCT的视觉跟踪模型,该模型利用多个基于DCF的专家进行跟踪,并在每一帧中选择最佳专家来确定跟踪结果。通过pair-evaluation和self-evaluation评估每个专家的表现,学习率则依据PSR和专家的平均鲁棒性分数决定。

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

  理解出错之处望不吝指正。

  本文模型叫MCCT,使用多个独立的基于DCF的expert进行跟踪,在每一帧中选择当前最优的expert,将其结果作为当前帧的跟踪结果。

  文中使用了7个expert,每个expert使用不同的特征。

   

  针对某一帧,使用pair-evaluation和self-evaluation的加权和对每个expert进行打分,从而选择出最优的expert。

   

       

       

       

  expert更新过程中的学习率由PSR(峰-旁瓣比)和experts的平均鲁棒性分数共同决定。

   

   

   

   

   

评论
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