Efficient Convolution Operator for Tracking
(更新中…)以下均为个人理解,如有错误,欢迎指正!
Abstract
DCF及其相关算法的缺陷:
- 使用CNN特征,卷积过程耗时,实时性不好
- 越来越复杂的模型,使得需要训练的参数变得非常多,容易造成过拟合
ECO针对计算复杂度和过拟合这两个问题,提出:
- 一个被因式分解的卷积运算: 很大程度上减少了DCF模型中的参数
- 一个用于生成训练样本分布的模型: 降低了存储和时间复杂度,同时提供更高质量的多样性样本
- 一个保守的模型更新策略: 具有更好的鲁棒性和更低的复杂度
与C-COT相比:速度是20倍,EAO增长13%;
使用hand-crafted特征(OTB2015):AUC=65%
Introduction
第一段:视觉跟踪概念+应用于哪些领域+两个评价标准精确度和鲁棒性
第二段:从DCF引出ECO
(1) DCF给跟踪算法带来哪些改善?优点是什么?
(2) 改进历程&#