aiqiu_gogogo-CSDN博客

原创 Decoupled Networks(DCNet) 阅读笔记

1，Motivation: CNN-learned features are naturally decoupled with the norm of features corresponding to the intra-class variation and the angle corresponding to the semantic difference. 通过对两个样本的CNN特征进行点...

2018-07-01 23:06:01 2247

原创 DenseBox: Unifying Landmark Localization with End to End Object Detection 阅读笔记

1，(CHARACTERISTIC) A single FCN perform on object detection, which directly predicts bounding boxes and object class confidences through all locations and scales of an image, and does not require prop...

2018-06-18 11:44:35 1256

原创 High Performance Visual Tracking with Siamese Region Proposal Network 阅读笔记

1，(IDEA) In tracking task we don’t have pre-defined categories, so we need the template branch to encode the target’s appearance information into the RPN feature map to discriminate foreground from ...

2018-06-17 10:24:44 2125

原创 TensorFlow 学习4（tfdebug）

1，为什么要使用 tfdebug 来进行 debug？原因：一般来说，我们对 python 代码进行简单的 debug 会使用 pdb 工具，这个很简单，import pdb 后在最我们需要程序停止的位置后面加上 pdb.set_trace()，就可以通过打印查看前面的变量了（详细的自己百度 python 的 pdb 工具），但是！BUT！最初我们很多人都会天真的想，调试 tensorflow...

2018-04-22 22:38:22 2243

原创 TrackingNet: A Large-Scale Dataset and Benchmark for Object Tracking in the Wild 数据集！！！

苦苦等了好久好久，终于等到这么一个是用于目标跟踪的超大数据集了！本数据集特色总结如下：1，规模大：包含3万+个视频以及1420万个标注框——真的是爽到哭啊，OTB100才100个视频算什么？ImageNetVideo2015才3000多个视频又算什么？；2，专为目标跟踪设计：不像一般的大数据库都是隔几帧标注一个目标，这个数据集每个图片的目标都标注了——贴心啊；3，前景好：作者将Si...

2018-04-18 22:57:36 3939 13

原创 VITAL: Visual Tracking via Adversarial Learning 阅读笔记

本文概览本文是一篇很不错的关于目标跟踪算法的文章，收录于CVPR2018。论文链接：https://arxiv.org/pdf/1804.04273.pdf本文主要分析了现有的检测式跟踪的框架在模型在线学习过程中的两个弊病，即： ①、每一帧中正样本高度重叠，他们无法捕获物体丰富的变化表征； ②、正负样本之间存在严重的不均衡分布的问题；针对上述问题，本文提出 VITAL 这个算法...

2018-04-18 15:02:02 6868 26

转载 TensorFlow 学习3（方便日后查阅用法）

（我不想学tensorflow，真的不想学，没办法，别人开源的代码一个tensorflow版本一个MatConvNet版本。。。）主要出处：http://blog.csdn.net/xierhacker/article/details/53860379Sess与Graph1，在tensorflow中，你一旦开始你的任务，就已经有一个默认的图（Graph）已经创建好了，Session...

2018-03-10 23:02:44 505

转载 TensorFlow 学习2（方便日后查阅用法）

TensorFlow——slim模块转自：https://www.2cto.com/kf/201706/649266.html作用：代码瘦身，类似于Keras，TensorLayer，tfLearn，目的是消除原生tensorflow里面很多重复的模板性的代码，让代码更紧凑，更具备可读性，使模型的构建，训练，测试都变得更加简单；导入方法：import tensorflow.contri...

2018-03-10 17:18:29 654

原创 TensorFlow 学习1（方便日后查阅用法）

tf.Variable()创建tf变量：weights = tf.Variable(tf.random_normal([88, 88], stddev=0.1),name="weights")biases = tf.Variable(tf.zeros([88]), name="biases")tf. get_variable()创建tf变量：weights=get_var...

2018-03-10 11:56:27 602

原创 End-to-end Flow Correlation Tracking with Spatial-temporal Attention 阅读笔记

占坑。。。。。（这两天好忙啊）

2018-03-10 10:46:25 1327 1

原创那些年，我被VOT工具坑的日子

今天在VOT上做自己跟踪器的实验，本以为会顺利进行，测了结果就直接贴在论文上就好了，但是谁知……下面总结一下VOT测试的坑，运行平台是Linux+python跟踪器；下载1，https://github.com/votchallenge/vot-toolkit 下载最新主体工具版本vot-toolkit，我下载的是2017； 2，https://github.com/votcha...

2018-03-06 10:48:49 9933 34

原创 Learning Dynamic Siamese Network for Visual Object Tracking 阅读笔记

前言预读文章：Fully-Convolutional Siamese Networks for Object Tracking (SiameseTracker)。在深度学习做目标跟踪效果好的算法中，这篇文章算是有点难度的了~~~啃了一上午算是啃明白了点~ 本博客将采用一边半翻译一边详细解说并抒发自己看法的方式介绍这篇文章。摘要1，第一句话就指出本文算法的特点：学习目标的外观变化，...

2018-03-03 20:57:47 4476 4

原创 A Twofold Siamese Network for Real-Time Object Tracking 阅读笔记

个人评价：自从SiamFC利用Siamese网络解决目标跟踪问题后，很少有出色的基于SiamFC改进的目标跟踪工作。SiamFC通过训练Siamese网络用以在外观层面上区分两个物体是否属于一个目标，从而达到目标跟踪的目的。SiamFC的好处很多，其最核心的就是离线训练结合在线跟踪，以及end-to-end的跟踪模式，是少有的基于深度学习并且同时兼备性能和速度的跟踪器，所以基于SiamFC进行...

2018-03-01 11:13:30 7160 13

原创 Siamese Instance Search for Tracking 阅读笔记

这是一篇CVPR2016的用DL思想解决Tracking的文章。文章思想简单易懂，但是效果却很好，在OTB50上获得了 state-of-the-art。核心思想：通过Siamese网络学习一个匹配函数。在得到第一帧目标信息后，接下来的所有帧采样后都和第一帧目标进行匹配度计算，得分最高的即为目标。（ps：这里，算法设计的核心思想在于永远和第一帧的目标进行匹配度计算，这样就会有一下几个好处：

2018-02-01 11:02:48 3094 2

原创 ECO：Efficient Convolution Operators for Tracking 阅读笔记

本文概览：1，作者：Martin Danelljan； 2，灵感来源：自从KCF出现后，基于KCF改良的CF类跟踪器效果越来越好，但是速度越来越慢； 3，解决问题：在提升改进CF模型的性能的同时增加其速度，同时避免速度过慢和过拟合并提升性能； 4，特征选取：CNN+HOG+CN； 5，算法效果1：使用深度特征，在VOT2016上比当前最好的算法覆盖率提升13.3%； 6，算法效果2：

2018-01-30 16:35:33 2944 2

原创 Gaussian Processes for Regression 阅读笔记

本文概览：1，作者：M.Ebden； 2，思想来源：对于给定训练数据预测新数据为问题，如果我们假设训练数据是线性的，那么可以用最小二乘法计算训练模型，然而，大多数情况下训练数据是非线性的，此时我们可以假设训练模型是二次的、立方体的，亦或是其他非线性模型，此时我们可以利用模型选择的原理在不同的可能性间做出选择。但是针对非线性问题，高斯处理回归是更好地选择，它可以挖掘数据中更深层的知识，并且其是

2018-01-30 16:24:28 2144 3

原创对比目标跟踪问题中三大尺度估计算法——SAMF，DSST，bboxRR

（以下均为本人在实际实验使用中总结的个人观点）SAMF：1，原文：A Scale Adaptive Kernel Correlation Filter Tracker with Feature Integration； 2，个人评价：ICCV的workshop，感觉没什么创新，用了尺度金字塔原理（CV中常见手段），但是本文方法很实用； 3，特点：无参数，不更新，尺度估计是否准确比较依赖

2018-01-19 16:42:42 12098 3

原创 Good Features to Correlate for Visual Tracking 阅读笔记

Good Features to Correlate for Visual Tracking本文效果1，速度：2fps，没有实时； 2，性能：0.922(PP-OTB2013)，0.692(SP-OTB2013)，0.899(PP-OTB2015)，0.678(SP-OTB2015)，在OTB2015上相比其他算法在PP和SP上相对OTB2013结果下降不多，OTB2013的SP

2018-01-10 21:58:23 1738 1

原创 Learning Spatial-Aware Regressions for Visual Tracking 阅读笔记

文章初步概览1，OTB-100性能：精度——0.923，覆盖率——0.672；2，VOT2017 比赛性能第一；3，速度：1fps，没有实时；4，开放代码：http://data.votchallenge.net/vot2017/trackers/24_LSART.zip；主要方法及贡献1，用将目标分割成部件的思想定义了新的求核相关值的方法，并将该方法融入到CNN中作为一个组件进行高效求

2017-12-16 11:52:53 4061 7

原创那些年与编译器战斗的日子——Struck与Eigen

要求cmake版本>3.0；安装Eigen版本：Struck官网上说用的Eigen3.0+，但是实际使用3.0+并不work，使用Eigen2.0+可以work；Eigen2下载地址：http://eigen.tuxfamily.org/index.php?title=Eigen2；进入解压后的目录下，mkdir build->cmake -D CMAKE_INSTALL_PREFIX=$

2017-12-14 10:04:13 713

原创计算一下pytorch中Resnet34模型前传一次所需要的时间

import pdbimport timeimport torchimport torchvision.models as modelsfrom torch.autograd import Variableclass Timer(object): """A simple timer.""" def __init__(self): self.total_time

2017-12-03 20:53:15 2624

原创好的pytorch网络资源

持续更新。。。。。。。。。。。。。。。。实现Siamese：https://hackernoon.com/facial-similarity-with-siamese-networks-in-pytorch-9642aa9db2f7

2017-11-27 21:36:24 1097

原创我在读pyTorch文档（四）

torch.nn.Module打印所有子模块：for sub_module in model.children(): print(sub_module)按照名字打印子模块：for name, module in model.named_children(): if name in ['conv4', 'conv5']: print(module)打印所有模块：for

2017-11-27 19:31:31 2584

原创我在读pyTorch文档（三）

数据类型CPU数据类型：torch.FloatTensor(torch.Tensor)，torch.DoubleTensor，torch.ByteTensor，torch.CharTensor，torch.ShortTensor，torch.IntTensor，torch.LongTensor；GPU数据类型：torch.cuda.FloatTensor，torch.cuda.DoubleTen

2017-11-27 15:22:37 892

原创纪念一下pyTorch自由读取txt路径存储格式的图片数据

pyTorch自由读取txt路径存储格式的图片数据import pdbimport numpy as npimport torch, cv2, os, randomfrom torch.utils import datafrom torchvision import transformsclass TxtImage(data.Dataset): def __init__(self, la

2017-11-27 10:52:16 3259 1

原创我在读pyTorch文档（二）

常用Torch自带Tensor处理函数bool = torch.is_tensor(x)：判断x是否为pytorch张量；bool = torch.is_storage(x)：判断x是否为pytorch对象；N = torch.numel(x)：输出pytorch张量x的元素数；x = torch.eye(n)：输出n*n的二维单位矩阵；y = torch.from_numpy(x)：将n

2017-11-27 09:50:55 9118

原创我在读pyTorch文档（一）

Cuda在Cuda上创建变量的两个方法：直接在GPU上创建：x = torch.cuda.FloatTensor(1)；在CPU上创建然后转移到GPU上：x = torch.FloatTensor(1).cuda()；多GPU使用：x = torch.FloatTensor(1).cuda(async=True)，通过async=True可以将数据从CPU到GPU的传输与计算重叠，不过当数据

2017-11-26 11:53:54 1157

原创纪念一下终于搞出来的PyTorch的Multi-GPU使用代码

PyTorch多GPU使用例程import osimport pdbimport timeimport torchimport torch.nn as nnfrom torch.autograd import Variableclass Timer(object): """A simple timer.""" def __init__(self): self

2017-11-26 10:43:48 14930 2

原创 Detect to Track and Track to Detect

本文概览本文使用一个简单的卷积网络模型（ConvNet）在视频序列中同时实现多目标的跟踪和检测；本文构建了一个新颖的损失函数，包括用于单帧检测的多任务损失和用于多帧间跟踪回归损失；本文引入相关特征用于代表同一目标在不同帧图片中同时出现以此达到跟踪的目的；本文检测和跟踪相互辅助，同时产生高精度的检测和跟踪性能；本文提出在多帧中同时进行目标检测和跟踪任务，其中检测部分使用R-FCN框架，跟踪部

2017-10-15 15:01:17 4135 1

原创 Incremental Learning of Object Detectors without Catastrophic Forgetting 论文阅读

本文概览CNN用于目标检测任务的缺陷——类别遗忘：假设CNN模型A为在一个物体检测训练集1上训练得到的性能较好的检测器，现在有另外一个训练集2，其中物体类别与1不同，使用训练集2在A的基础上进行fine-tune得到模型B，模型B在训练集2中的类别上可以达到比较好的检测结果，但是在训练集1中的类别上检测性能就会大幅度下降；本文目的：缓解CNN用于目标检测任务的类别遗忘，在训练集1中原始图片不可得

2017-10-14 20:21:42 2465

原创 SANet：Structure-Aware Network for Visual Tracking 阅读笔记

本文概览解决问题：由于CNN模型主要用于类间判别，所以大多数CNN用于目标跟踪的任务中对目标物体的相似物都很敏感；主要方法：CNN+RNN，CNN主要提供目标物体和背景之间的判别形，RNN主要提供目标物体和相似物之间的判别性；主要思路：使用RNN对目标物体的self-structure信息建模，利用目标物体的self-structure信息加强目标物体与其相似物的判别性，并将目标物体的RNN特

2017-10-01 15:32:30 4776 3

原创 AI Challenge Human Pose 评测代码分析

评测方法和标准根据最终提交的submit.json文件和ground.json文件计算mAP得分；评测代码最终会输出mAP结果，错误信息和警告信息；主函数分析读入检测结果的json文件和ground truth的json文件名称，分别赋值给args.submit和args.ref；初始化返回字典，包含一个error信息，一个score信息，多个warning信息；加载标注文件信息，load_

2017-09-27 14:46:11 1286

原创 CREST: Convolutional Residual Learning for Visual Tracking

本文概览分析DCF系列跟踪算法的不足，并加以改进；本文核心一：将DCF作为CNN中的一个卷积层；本文核心二：将特征提取，响应图产生以及模型更新整合到CNN中进行端对端训练；本文核心三：将残差学习的思想用于深度目标跟踪网络的更新，可以更有效地应对目标外观的大变化和小变化；本文实验效果：在OTB100上获得了0.837的精度和0.623的覆盖率；DCF算法分析DCF算法优点一：可以在频域上

2017-09-25 21:55:08 3944 5

原创 Mask RCNN

本文概览简单灵活且效果好的用于分割和关键点检测的算法；在Faster RCNN上进行简单的扩展使其能够完成物体分割或关键点检测等任务；没有使用任何额外的技巧，可以在多个物体分割和关键点检测数据集上获得最好的实验效果；相比传统复杂的物体分割方法，本文提出的方法非常灵活简单并且效果好；主要是在Faster RCNN中的RPN网络后面增加一个和预测物品类别并行的分支，用于预测分割mask；新增

2017-09-25 11:22:16 1459

aiqiu_gogogo的博客