本文综述了中科大学报中关于深度学习在目标跟踪领域的研究，涵盖了相关滤波器、分类式网络、双路网络、Transformer等技术的发展，强调了数据集的重要性以及未来对轻量化模型的需求。
中科大学报上的一篇综述，总结得很详细，整理了相关笔记。
1 引言
目标跟踪旨在基于初始帧中指定的感兴趣目标( 一般用矩形框表示) ，在后续帧中对该目标进行持续的定位。
基于深度学习的跟踪算法，采用的框架包括相关滤波器、分类式网络、双路网络等。
处理跟踪任务的角度，分为基于匹配思路的双路网络和基于二分类的辨别式跟踪器。
最初的深度跟踪算法聚焦于相关滤波器，通过深度学习的特征+相关滤波器实现。
基于双路网络跟踪算法那，将跟踪视为模板匹配，抗干扰能力较差。
近期基于Transformer的深度跟踪器使用注意力机制，取得了领先的性能。
2 跟踪数据集发展趋势
数据、算法和算力是人工智能最重要的三个要素，是人工智能的三个基石。
3 深度跟踪算法
3.1 深度相关滤波器
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
