CVPR2020ORAL 长时目标跟踪LTMU

最新推荐文章于 2024-03-11 21:47:05 发布

JianqiuChen

最新推荐文章于 2024-03-11 21:47:05 发布

阅读量570

点赞数

分类专栏：目标跟踪文章标签：深度学习自然语言处理神经网络

本文链接：https://blog.csdn.net/JianqiuChen/article/details/120451151

版权

目标跟踪专栏收录该内容

4 篇文章 1 订阅

订阅专栏

LTMU是CVPR2020的一篇oral论文，它结合了外观和判别线索进行长时目标跟踪。使用meta-updater，通过ResNet进行特征学习，并用三元损失和分类损失独立训练。同时，通过三层卷积网络学习响应映射，得到1x1x8的向量。最终，将边界框信息与分类得分等拼接，输入到LSTM中决定更新策略。

摘要由CSDN通过智能技术生成

在这里插入图片描述

Motivation：

设计了一个由多层lstm组成的meta-updater，用来控制模板更新从而实现online-updated tracker。

paper：
code：

meta-updater

在这里插入图片描述
$x_t ∈ R^{d\times 1}$ is a column vector concentrated by $s^C_t , s^A_t , v^R_t$ , and $b_t$ .

Appearance Cue: $s^A_t$
计算方法：
在这里插入图片描述
实现代码：

这里的resnet需要单独通过三元损失和分类损失进行单独训练。

Discriminative Cue: $v^R_t$

通过一个三层的 conv + max pooling 构成的网络从response map学习到 1x1x8的向量
代码实现：
在这里插入图片描述最后将 bbox的坐标及分类得分concat到一起形成一个（t，4+1+1+8）维的向量输入到lstm中判断是否进行更新

在这里插入图片描述

JianqiuChen

关注

0
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
CVPR2020ORAL 长时目标跟踪LTMU

Motivation：设计了一个由多层lstm组成的meta-updater，用来控制模板更新从而实现online-updated tracker。paper：code：meta-updaterxt∈Rd×1x_t ∈ R^{d\times 1}xt∈Rd×1 is a column vector concentrated by stC,stA,vtRs^C_t , s^A_t , v^R_tstC,stA,vtR , and btb_tbt.Appearance Cue: s.
复制链接

扫一扫

专栏目录