mtc_Ningning的博客

这是发表在2016 CVPR上的一篇用深度学习做目标跟踪的文章，区别于传统的目标跟踪方法，文章所用方法学习过程全部在线下完成，模型确定以后，跟踪期间不再进行模型的更新。

论文阅读笔记-learning multi-domain convolutional neural networks for visual tracking VOT 2015挑战赛的冠军论文，16年又发表在CVPR上，性能很强大，几乎可以称得上是目前跟踪性能最好的一种算法。 铺垫完了之后，说一下该算法的优缺点： 优点嘛，当然是跟的准，基本上形变啊，快速移动啊，光照啊，低分辨率啊，遮挡

首先详解作者的这篇论文Consensus-based Matching and Tracking of Keypoints for Object Tracking： 1 在第一帧用BRISK特征描述子找到目标的特征点，每个特征点都用相对于目标区域中心的相对坐标表示； 2 从第二帧开始，每一帧再用BRISK描述子找到特征点，为了跟第一帧目标的特征点匹配上，对每一个特征点求其和第一帧中每一个特

图像风格化的自动肖像分割 本文工作： l  通过引入新的人像位置和形状作为域特殊知识来扩展FCN-8S的功能； l  建立了人像图片分割数据集和benchmark来做模型训练和测试； l  用我们的方法来增强了几种交互式人像编辑的方法实现全自动化。 FCN来分割人像的不足： 原VOC数据集人像分辨率不足&&原任务要分20类，不能做到对人像的精准。本文将FCN在我们的数据集上进行模型权重