- 博客(11)
- 资源 (12)
- 收藏
- 关注
原创 目标跟踪之ECO:Efficient Convolution Operators for Tracking
一. 相关滤波算法总结 作者首先分析了影响 相关滤波算法 效率的几个原因:1)Model Size (模型大小) 包括两个方面: - 模型层数,对应多分辨率 Sample,比如多层 CNN - 特征维度,对应庞大的 HOG or CNN特征图 这里的效率影响是显而易见的,层数或特征越多,表现力越丰富,计算量也
2017-05-31 23:13:23 14926 4
原创 目标跟踪之相关滤波:CF及后续改进篇
一. 何为相关滤波? Correlation Filter 最早应用于信号处理,用来描述两个信号之间的相关性,或者说相似性(有点像早期的概率密度),先来看定义: 对于两个数据 f 和 g,则两个信号的相关性(correlation)为: 其中 f∗ 表示 f 的 复共轭,这是和卷积的区别。
2017-05-25 23:40:58 22037 2
原创 目标跟踪之GOTURN:Learning to Track at 100 FPS with Deep Regression Networks
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
2017-05-16 23:29:30 8598 2
原创 深度学习之目标跟踪
一. 跟踪进展(Advances in Visual Tracking) 作者在前面的机器学习文章中也讲到了 Tracking,感兴趣的童鞋可以 Review一下:机器学习实践系列之5 - 目标跟踪 前面只是基于传统方法的跟踪,这一篇我们 Focus 在深度学习上。 关注跟踪算法的进展,只需要 Follow VOT Challenge 就可以了,Vi
2017-05-15 23:13:13 12969 1
原创 Mask-RCNN技术解析
一. Mask-RCNN 介绍 上篇文章介绍了 FCN,这篇文章引入个新的概念 Mask-RCNN,看着比较好理解哈,就是在 RCNN 的基础上添加 Mask。 Mask-RCNN 来自于年轻有为的 Kaiming 大神,通过在 Faster-RCNN 的基础上添加一个分支网络,在实现目标检测的同时,把目标像素分割出来。 论文下载:Mask R-CN
2017-05-12 23:01:29 122543 24
原创 图像分割与FCN
一. 图像语义分割 传统的图像分割方法主要包括以下几种:1)基于边缘检测2)基于阈值分割 比如直方图,颜色,灰度等3)水平集方法 这里我们要说的是语义分割,什么是语义分割呢?先来看张图: 将目标按照其分类进行像素级的区分,比如区分上图的 摩托车 和 骑手,这就是语义分割,语义分割赋予了场景理
2017-05-11 21:55:24 26893
原创 ResNeXt网络进化
一. ResNeXt 的 Block 改进 MSRA 的 KaiMing 转战Facebook的又一力作,大牛的神来之笔:论文下载:Aggregated Residual Transformations for Deep Neural Networks代码地址:【Github】 ResNet、Inception 已经成为目前网络的前进方向,堆叠的Bl
2017-05-11 00:01:51 8300 6
原创 ResNet残差网络
前面我们对常用的经典网络进行了介绍,可以查看前面文章:浅入浅出TensorFlow 6 - 实现经典网络 随着网络越来越深,大家发现,仅仅靠 BN、ReLU、DropOut 等 Trick无法解决收敛问题,相反,网络的加深带来参数的增加。 基于之前的实践经验,我们知道:网络并不是越深越好,一方面过多的参数容易导致过拟合(当然样本足够多可以一定程度上解决这个问题);另
2017-05-08 00:25:27 12589
原创 基于深度学习的Person Re-ID(度量学习)
度量学习 是指 距离度量学习,Distance Metric Learning,简称为 DML,做过人脸识别的童鞋想必对这个概念不陌生,度量学习是Eric Xing在NIPS 2002提出。 这并不是个新词,说的直白一点,metric learning 是通过特征变换得到特征子空间,通过使用度量学习,让类似的目标距离更近(PULL),不同的目标距离更远(push),也就是说,度量学
2017-05-06 00:38:55 8108
原创 基于深度学习的Person Re-ID(特征提取)
一. CNN特征提取 通过上一篇文章的学习,我们已经知道,我们训练的目的在于寻找一种特征映射方法,使得映射后的特征 “类内距离最小,类间距离最大”,这种特征映射 可以看作是 空间投影,选择一组基,得到基于这组基的特征变换,与 PCA 有点像。 这一篇我们讲的就是基于 CNN的特征提取,特征提取过程也就是训练过程,训练结果就是 CNN 的参数。 以 T
2017-05-01 23:44:03 10235
原创 基于深度学习的Person Re-ID(综述)
一. 问题的提出 Person Re-ID 全称是 Person Re-Identification,又称为 行人重检测 or 行人再识别,直观上可以通过两种思路进行比对,一种是 通过 静态图像(still-image)进行特征比对,另一种是通过视频的时序特征(temporal)进行 Video Re-Id。 不管是采用 图像特征比对的方法 还是 结合时序特征比
2017-05-01 22:09:17 22398 1
ICCV2017 Person Re-Id
2017-09-06
CVPR2017 Person Re-Id
2017-09-06
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人