上次介绍了SRDCF算法,发展历史轨迹为CSK=>>KCF/DCF/CN.鄙人首先介绍最基本的CSK算法,其实在上一篇已经提过,但是原理,思路讲的不清晰,这次争取把思路讲清楚。
CSK:[paper:Exploiting the Circulant Structure of Tracking-by-detection with Kernels(作者和KCF/DCF同一个作者)]
- 文章特点:
- 输入:整个候选search区域的raw pixel(作为特征,并不是每个候选框),label(y_i),label为符合Gauss分布的连续取值
- 目的:训练一个分类器,学习分类器的权重W。
- 求解分类器的权重W,探究了subimage_window和circular struct以及kernel的关系,利用这个关系引入kernel Trick.
- 利用cirlular matrix和来求解分类器的权重,利用FFT以及循环矩阵的性质,避免了求W时的矩阵逆运算。
- 输出:相对平移量,实验选区响应值最大的位置作为目标移动的大小。
- 缺点:
- scale问题。
- 循环矩阵bounding效应(SRDCF解决)。
- 输入为raw gray pixel(KCF,CN,DeepSRDCF丰富了特征的选取).
- details