相关滤波经典文献C-COT : Beyond Correlation Filters: Learning Continuous Convolution Operators for Visual

Abstract

判别式相关滤波器(DCF)具有良好的视觉目标跟踪性能。他们成功的关键是有效利用可用的负面数据的能力，包括一个训练样本的所有移位版本。然而，低级的DCF形式仅限于单分辨率的特征图，这极大地限制了它的潜力。在这篇文章中，我们超越了传统的DCF框架，介绍了一种训练连续卷积滤波器的新方法。我们使用隐式内插模型来提出连续空间域的学习问题。我们提出的方案能够有效地整合多分辨率深度特征图，从而在三种目标跟踪指标上取得优异的结果:OTB-2015(平均OP +5.1%)、Temple-Color(平均OP +4.6%)和VOT2015(相对故障率降低20%)。此外，我们的方法能够进行亚像素定位，这对于精确的特征点跟踪是至关重要的。在广泛的特征点跟踪实验中，证明了该算法的有效性。