iccv2017-2 - EAST：Learning Policies for Adaptive Tracking with Deep Feature Cascades

最新推荐文章于 2022-07-28 16:55:22 发布

xiaoyu733

最新推荐文章于 2022-07-28 16:55:22 发布

阅读量522

点赞数

CC 4.0 BY-SA版权

分类专栏： Tracking 文章标签： EAST Tracking 强化学习

本文链接：https://blog.youkuaiyun.com/u012938080/article/details/78843836

Tracking 专栏收录该内容

2 篇文章

订阅专栏

本文介绍了一种结合人工特征和深度特征的自适应跟踪方法。该方法利用级联结构及强化学习训练的代理来选择合适的特征层，从而在保证跟踪精度的同时提高跟踪速度。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

看的第二篇iccv2017上的论文。Learning Policies for Adaptive tracking with Deep Feature Cascades

论文目标：在保证跟踪精度的同时提高跟踪速度。

主要思想：实现一种自适应方法，使用人工特征处理容易跟踪的图像，使用级联深度特征处理遮挡、模糊等在跟踪中有难度的图片。这样可以减少跟踪时间。将自适应跟踪问题转换成为一个决策过程。当一帧图片输入的时候，通过学习一个agent（不知道这个词怎么翻译才好，代理？）决定在一系列特征层中的哪一层中可以监测到目标或者使用下一层来处理。这样做会显著减少简单图像的feedforward cost.作者使用强化学习在线下训练这个agent.

在论文中，作者将手工特征和深度特征放到一个级联结构中，为了增快跟踪速度，训练一个agent来选择尽可能少的特征层。