目标跟踪之GOTURN：Learning to Track at 100 FPS with Deep Regression Networks

最新推荐文章于 2022-12-05 14:14:00 发布
最新推荐文章于 2022-12-05 14:14:00 发布
阅读量8.5k 收藏 14
点赞数 9
分类专栏： 深度学习 深度学习基础 文章标签： 机器学习 深度学习 目标跟踪 GOTURN Tracking
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/linolzhang/article/details/72354427
版权
本文介绍了Stanford大学的David Held提出的GOTURN目标跟踪算法，通过深度回归网络实现100FPS的高效跟踪。算法避免在线学习，采用前馈网络直接回归目标位置，通过离线学习捕捉Appearance & Motion的关系。数据增强和L1 Loss损失函数用于训练，实验显示其在速度与准确性之间取得平衡。
摘要由CSDN通过智能技术生成

一. 简介

       选择这篇文章的原因在于能实现 100帧的效果，对于跟踪来讲，大多数应用场景需要实时跟踪，应该说仅仅实时跟踪还不够，还需要计算资源来做 视频解码、检测、比对 等多个工作。

       这篇文章 2016年来自 Stanford 大学的 David Held，通过 CNN直接回归的方式得到目标位置。

       论文下载：Learning to Track at 100 FPS with Deep Regression Networks

       代码下载：【Github】


二. 算法框架

       先来概括一下该方法的几个要点：

1）作者实现了一个完全 Offline 的 Training，忽略掉了在线学习（online learning）过程，不需要 FineTuning，帧率因此能达到 100FPS；

   

最低0.47元/天 解锁文章
linolzhang
关注
专栏目录
【目标跟踪】Learning to Track at 100 FPS with Deep Regression Networks 学习
书侠
06-02 8030
这篇文章是斯坦福大学2016年4月发的，文中提出了一种通过离线训练带标签的视频来更有效跟踪目标物体的方法。以前的深度学习用来做跟踪的算法都比较慢，这一论文的跟踪器使用了简单的前向传播而无需在线训练，测试时的跟踪帧率达到了100fps.由于在训练网络时既使用了带标签的视频，也使用了大量的图片，可以防止过拟合。跟踪器学习了泛化的运动特征，所以可以去跟踪训练集中没有出现的新物体。传统通用目标跟踪器（相对于特定目标跟踪器）
Learning to Track at 100 FPS with Deep Regression Networks 论文理解及应用笔记（一）
a294271433的博客
03-18 2110
GOTURN算法论文翻译及理解云笔记 前言：本笔记仅限个人算法理解与记忆，不涉及技术/论文相关商业用途。 第一部分：个人 根据原论文的翻译及笔记 第二部分：个人根据论文及原算法的具体实现及应用迁移笔记 摘要：机器学习技术经常由于他们通过大量训练数据提升性能的能力而被用于机器视觉方面。但不幸的是，大多数通用物体跟随算法都仍停留在在线训练并且没能从大量可用于离线训练的的可获
GOTURN: Learning to Track at 100 FPS with Deep Regression Networks笔记
EdwarL's Blog
03-11 1384
2016年stanford David Held的作品，第一个用深度学习实现了100FPS的generic tracking任务的工作，因为offline而且是完全offline的（不做online的fine-tuning，在tracking新的object的时候，也并不改变network weights）。所以优点就是速度快，缺点是对于遮挡表现很差。1. Motivation 计算机视觉
人脸检测及跟踪算法实现
11-18
基于opencv cascade分类器及模板匹配算法实现的人脸检测及跟踪算法，首先 cascade检测到人脸，然后更新ROI区域，当检测不到人脸时使用模板匹配方法进行识别。i7上可达到80FPS，速率非常快，鲁棒性非常好，当头倾斜90°也能够跟踪。
人脸跟踪开源项目HyperFT代码算法解析及改进
新无止竞博客的专栏
10-14 3480
目录 一、简介 二、HyperFT 三、代码算法解析 四、算法改进的思路 五、项目中加入五个关键点跟踪的实践 一、简介 人脸识别已经成为计算机视觉领域中最热门的应用之一，其中，人脸信息处理的第一个环节便是人脸检测和人脸跟踪。人脸检测是指在输入的图像中确定所有人脸的位置、大小和姿势的过程。人脸跟踪是指在图像序列中确定各帧间人脸的对应关系的过程，即确定每个人脸的运动轨迹及其大小变化...
计算机视觉之目标跟踪——论文Learning to Track at 100 FPS with Deep Regression Networks
CodeTutor
03-13 1799
论文解读 模型 输入 输出 模型结构 训练 motion model 训练数据 实现 说明 源码解读 srchelper文件夹 bounding_boxcpp image_proccpp srctrain文件夹 example_generatorcpp tracker_trainercpp traincppLearning to Track at 100 FPS with Deep Regressi
GOTURN——Learning to Track at 100 FPS with Deep Regression Networks
热门推荐
autocyz
09-24 1万+
文章的题目叫：《Learning to Track at 100 FPS with Deep Regression Networks》 算法简称：GOTURN（Generic Object Tracking Using Regression Networks） 作者是斯坦福的David Held 文章以及附件：http://davheld.github.io/GOTURN/GOTURN.htm
Learning to Track at 100 FPS with Deep Regression Networks 论文理解及应用笔记（二）
a294271433的博客
03-18 629
GOTURN算法实践及性能分析云笔记   算法实现：个人根据论文及github提示构建算法平台 测试环境为：Caffe+OpenCV+Linux+GOTURN源码 硬件平台：CRSN本科生实验室服务器--128G运行内存，3.2GCPU频率、英伟达1080p显卡、酷睿I7、8核处理器 测试数据集：VOT2014公开数据集   一、环境搭建 1.OpenCV-2.4.9库安装
GOTURN 算法
BBZZ2的专栏
05-12 4283
文章的题目叫：《Learning to Track at 100 FPS with Deep Regression Networks》  算法简称：GOTURN（Generic Object Tracking Using Regression Networks）  作者是斯坦福的David Held  文章以及附件：http://davheld.github.io/GOTURN/GOTURN
人脸检测与camshift跟踪算法
05-10
一个自己写的利用MFC来实现OPENCV中函数的小程序.把OPENCV中人脸检测与camshift跟踪算法加了进去
KLT Algorithm人脸追踪
08-23
通过KLT Algorithm可以实现对视频中人脸的定位与追踪，效果良好
强大的图像追踪算法，可以快速识别人脸，手
04-17
用matlab写的图像或者视频中的物体追踪代码，其中是matlab和c混编的程序，主要在matlab下面执行
Ncnn_FaceTrack:开源视频人脸跟踪算法，基于mtcnn人脸检测+ onet人脸跟踪，在i7-9700k的cpu检测速度可高达250fps
03-09
Ncnn_FaceTrack 基于mtcnn人脸检测+ onet人脸跟踪，在i7-9700k的cpu检测速度可高达250fps MNN基于mtcnn人脸检测+ onet人脸跟踪，在i7-9700k的cpu检测速度可高达500fps。 开发环境 赢7 vs2015 开源框架 引用 这是一个移动端快速视频多人脸跟踪的开源项目，这个项目是基于mtcnn人脸检测加上最简单的模板匹配进行人脸跟踪的，算法简单但效果显着，移动端速度可以达到150帧以上，该项目的特点是可实现多人脸跟踪。 代码算法解析 HyperFT项目的多人脸跟踪算法分三大部分： 第一部分是初始化，通过mtcnn的人脸检测识别第一帧的人脸位置然后将其结果对人脸跟踪进行初始化； 第二部分是更新，利用模板匹配进行人脸目标位置的初步预判，再结合mtcnn中的onet来对人脸位置进行更为精细的定位，最后通过mtcnn中的rnet的放置信度来
meanshift人脸跟踪算法
03-26
meanshift人脸跟踪算法，MATLAB语言，完全可运行，请放心下载！
Learning to Track at 100 FPS with Deep Regression Networks
a1424262219的博客
03-22 130
Learning to Track at 100 FPS with Deep Regression Networks ECCV 2016 Paper:http://davheld.github.io/GOTURN/GOTURN.pdf Supplement:http://davheld.github.io/GOTURN/supplement.pdf Projec...
深度学习Tracking（1）——Learning to Track at 100 FPS with Deep Regression Networks
没有头像的博客
02-21 2299
发生了一些很奇葩的事情，因此我可能要开始学习深度学习了。研究生开始这么久了才开始做深度学习，我真的要担心自己的毕业问题了。好的吧，加油吧。虽然不懂，现在开始吧。原文地址：【http://davheld.github.io/GOTURN/GOTURN.pdf】 项目地址：【http://davheld.github.io/GOTURN/GOTURN.html】本文介绍的算法利用深度回归网络，输入为视
深度学习Tracking（1）——Learning to Track at 100 FPS with Deep Regression Networks（代码理解）
没有头像的博客
03-01 3607
工程地址：【http://davheld.github.io/GOTURN/GOTURN.html】第一次看深度学习网络实现的工程代码，有很多内容和结构不理解，并且在Linux下跑网络工程代码没有IDE，无法调试，我也不知道在查看函数的时候如何跳转，因此看整个工程文件十分麻烦。因此自己也是边看边查边学。下面开始解析该工程代码，可能存在一些偏差和错误，将会不断学习和修正。一、工程结构工程主目录下有6个
人脸追踪算法调试心得（1）
最新发布
m0_64569849的博客
12-05 214
人脸追踪调试心得
反卷积网络驱动的视觉目标跟踪：增强特征表示与性能提升
本文主要探讨了在视觉对象跟踪（Object Tracking）领域中，如何利用深度学习技术特别是反卷积神经网络（Deconvolution Neural Network, DNN）来提高跟踪性能。在传统的深度卷积网络中，通过一系列的卷积和池化操作，...
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值