SiamCAR: Siamese Fully Convolutional Classification and Regression for Visual Tracking 阅读记录

最新推荐文章于 2024-12-10 18:54:21 发布
最新推荐文章于 2024-12-10 18:54:21 发布
阅读量908 收藏 5
点赞数
分类专栏： Paper速看 文章标签： 计算机视觉 人工智能 深度学习
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/ZeroSwift/article/details/113562410
版权
SiamCAR是一种基于Siamese网络的视觉跟踪方法，将任务分解为像素分类和边界框回归。使用ResNet-50并避免描点，减少了人工干涉和超参数调整。通过联合训练分类和回归分支，实现目标尺度不变性，提高跟踪效率。文章对比其他跟踪算法，强调了无描点和模板更新策略对精度和效率的影响，以及如何利用低层和高层特征提高跟踪精度。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

在这里插入图片描述

  • 将视觉跟踪任务分解成两个子任务：像素分类和边界框回归
  • SiamCAR框架包含两个子网络：一个用于特征提取，一个用于预测边界框
  • 使用ResNet-50作为主干网络
  • 与其他的最先进的跟踪算法比较，本文提出的框架是描点自由和无提议区域，这样能够避免复杂的超参数调整和减少人工干涉
  • 所提出的框架简单，有效
  • 在现实生活中的跟踪，算法会受到光照变化，尺度变化大，背景干扰和严重遮挡问题
  • 除上述外，非刚性的物体的形状或者外观会发生不可预知的变化
  • Siamese网络将视觉跟踪任务定义为目标匹配问题，目的是学习目标模板和搜索区域之间的相似图
  • 由于单个相似图像通常包含有限的空间信息，一种常见的策略实在搜索区域的多个尺度上进行匹配，以确定目标的尺度变化。但是这样也导致了一些追踪器费时费力
  • 通过联合训练一个分类分支和一个回归分支用于跟踪，SiamRPN避免了耗时的步骤，并且也能够提取多尺度特征图的目标尺度不变性
  • SiamRPN等网络将锚点引入到目标区域中，而跟踪器对描点较为敏感
  • 为了引入描点自由，这篇论文将跟踪问题分解为：分类问题和回归问题
  • 分类分支：目的是将每个像素预测为一个标签
  • 回归分支：将每个位置回归为一个相对的包围框
  • 经过这样分解后，可以以逐像素预测的方式解决跟踪任务
  • SiamCAR旨在提取包含丰富类别信息和语义信息的响应图
  • SiamCAR只使用一个响应图去预测物体的位置和包围框
最低0.47元/天 解锁文章
ROS系统下gazebo环境中，无人机结合目标跟踪算法（SiamCar）
meijuryur的博客
09-07 803
在ROS系统下，Gazebo作为其重要的仿真环境，能够模拟出复杂的实际环境，从而进行无人机控制算法的验证和测试。实验结果表明，该算法具有良好的跟踪效果。无论是在小车直线运动、小车转圈还是两辆小车的场景中，无人机都能够有效地对目标进行跟踪，并生成相应的轨迹。ROS系统下gazebo环境中，无人机结合目标跟踪算法（SiamCar），完成对物体的跟踪（可以是小车或者其他的），然后给出轨迹对比图等评估指标。3、两辆小车（一模一样的），一辆不动，另一辆作直线运动然后无人机跟踪并经过第一辆的旁边，显示轨迹，保存坐标。
SiamCAR: Siamese Fully Convolutional Classification and Regression for Visual Tracking 源码配置
ZeroSwift的博客
02-04 1050
第一步，配置环境 在SiamCAR的Github主页下载SiamCAR源文件。 由于在国内的pytorch不太好下载，因此将requirenment.txt文件中的pytorch==1.2.0这一项删除，并去这个页面下载。 由于笔者安装的是CUDA10.2，因此我选择下载了torch-1.7.1-cp37-cp37m-win_amd64.whl 使用下列命令安装所需求的库，并安装pytorch。 pip install -r requirements.txt pip install torch-
SiamCAR: Siamese Fully Convolutional Classification and Regression for Visual Tracking
qq_38680752的博客
07-14 7998
本译文为了方便自我阅读，有能力请阅读原版：https://arxiv.org/abs/1911.07241 摘要 通过将视觉跟踪任务分解为两个子问题，分别是像素类别的分类和该像素处对象边界框的回归，提出了一种新的全卷积孪生网络，以逐像素的方式解决端到端的视觉跟踪问题。该框架由两个简单的子网组成：一个用于特征提取的孪生子网和一个用于边界框预测的分类回归子网。 SiamCAR采用在线训练和离线跟踪的策略，在训练过程中不使用任何数据增强。 主要贡献有： 提出孪生分类和回归框架用于跟踪，框架结构简单，性能强大。 提
2020 SiamCAR: Siamese Fully Convolutional Classification and Regression for Visual Tracki
weixin_44287997的博客
12-15 712
用于视觉跟踪的孪生网路分类和回归 SiamCAR: Siamese Fully Convolutional Classification and Regression for Visual Tracking 可见链接论文讲解 https://blog.csdn.net/qq_38680752/article/details/107344270?ops_request_misc=%25257B%252522request%25255Fid%252522%25253A%252522160803246016780
SiamCAR:Siamese Fully Convolutional Classification and Regression for Visual Tracking
weixin_46365033的博客
05-18 3242
文章目录AbstractIntroductionProposed MethodFeature ExtractionBounding Box PredictionThe Tracking Phase值得关注的几个问题Q1:输入的图片大小不一？Q2:在两者做相关性之前，如何得到特征图？ Abstract 通过将视觉跟踪任务分解为两个子问题（像素类别的分类和该像素处的边界框的回归），本文以逐像素的方式提出了全卷积Siamese网络来解决视觉跟踪问题。 该框架由两个简单的子网络组成：一个用于特征提取，另一个用于边界
[论文阅读 2020 CVPR 目标跟踪]SiamCAR: Siamese Fully Convolutional Classification and Regression for Visual
qq_39621037的博客
03-19 5828
简介 paper:SiamCAR: Siamese Fully Convolutional Classification and Regression for Visual Tracking coe:ohhhyeahhh/SiamCAR 这篇论文提出的动机是：SiamRPN系列的跟踪器依赖于RPN来进行Classfication和Regression,而这些基于RPN的跟踪需要设置好anchor boxes相关参数才能达到比较好的跟踪效果，对调参的要求较高。基于此，这篇论文基于一个简单的网络结构，实现了一个
siamcar: siamese fully convolutional classification and regression for visual tracking
03-16
SiamCar是一种基于全卷积神经网络的视觉跟踪算法，可以同时进行分类和回归。它采用了Siamese网络结构，通过学习目标和背景之间的相似度来实现目标跟踪。SiamCar在目标跟踪领域取得了很好的效果，成为了当前最先进的...
Fully-Convolutional Siamese Networks for Object Tracking
WorldHello的专栏
11-20 4757
摘要 任意目标追踪通常通过从训练视频中在线学习出一个目标的外观模型来解决。DNN能有效提升模型的丰富度，但却需要在线SGD调整网络参数，限制了速度。 本文提出一种基于全卷积孪生网络的基本追踪算法模型，能够已超实时的帧率达到目前最高的精度。 关键字：object-tracking, Siamese-network, similiarity-learing, deep-learning
Learning Spatio-Temporal Transformer for Visual Tracking——精读笔记
学海无涯，快乐行舟
12-08 2431
本篇精读笔记，对原文重要部分做了严格翻译，如摘要和总结。对正文部分做了提炼，对重点部分突出标注。对参考文献做了分类。本文内容较长，如果时间有限可以直接跳到感兴趣的小节阅读。
论文原创笔记：Learning Multi-Domain Convolutional Neural Networks for Visual Tracking
douhua4335的博客
04-09 1153
最近刚看的一篇文章，看了很多遍，觉得应该记录下来，也方便以后查阅了吧。 源码GitHub - HyeonseobNam/MDNet: Learning Multi-Domain Convolutional Neural Networks for Visual Tracking https://github.com/HyeonseobNam/MDNet 首先文章标题就提出了本文的主旨，训练一个
SiamCAR:暹罗汽车
05-07
1.环境设置 该代码已经在Ubuntu 16.04，Python 3.6，Pytorch 0.4.1 / 1.2.0，CUDA 9.0上进行了测试。 请在运行此代码之前安装相关的库： pip install -r requirements.txt 2.测试 下载预训练的模型： 代码：lw7w 代码：p4zx 代码：6wer （该模型在），然后将其放入tools/snapshot目录中。 下载测试数据集并将其放入test_dataset目录。 常用数据集的Json可以从或下载。 如果要在新数据集上测试跟踪器，请参考设置test_dataset。 python test.py \ --dataset UAV123 \ # dataset_name --snapshot snapsh
Siamese-RPN_code
11-22
目标跟踪算法的代码实现,精度在vot2018排名第一,鲁棒性很强.
目标跟踪Paper Note系列（一）------ SiamCAR
My_Communication的博客
07-26 1102
Siamese Fully Convolutional Classification and Regression for Visual Tracking Abstract 通过将 visual tracking 任务分为两个子问题，像素类别的分类（classification for pixel category）和像素处目标边界框的回归(regression for object bounding box at this pixel)，提出了一种新的全卷积Siame网络来解决逐像素的end-to-end
ROS系统下gazebo环境中，无人机结合目标跟踪算法（SiamCar），完成对物体的跟踪（可以是小车或者其他的）
m0_73815913的博客
09-19 805
ROS系统下gazebo环境中，无人机结合目标跟踪算法（SiamCar），完成对物体的跟踪（可以是小车或者其他的），然后给出轨迹对比图等评估指标。1.、小车直线运动无人机跟踪，在rviz上显示小车和无人机的运动轨迹（同时保存小车和无人机运动过程中的坐标位置）3、两辆小车（一模一样的），一辆不动，另一辆作直线运动然后无人机跟踪并经过第一辆的旁边，显示轨迹，保存坐标。运行环境：ros （建议Ubuntu18.04+ros melodic）1、四旋翼无人机跟踪小车或其他。提供：源码及技术文档。
ROS系统下gazebo环境中，无人机结合目标跟踪算法（SiamCar），完成对物体的跟踪
m0_73831896的博客
09-20 1258
ROS系统下gazebo环境中，无人机结合目标跟踪算法（SiamCar），完成对物体的跟踪（可以是小车或者其他的），然后给出轨迹对比图等评估指标。1.、小车直线运动无人机跟踪，在rviz上显示小车和无人机的运动轨迹（同时保存小车和无人机运动过程中的坐标位置）3、两辆小车（一模一样的），一辆不动，另一辆作直线运动然后无人机跟踪并经过第一辆的旁边，显示轨迹，保存坐标。运行环境：ros （建议Ubuntu18.04+ros melodic）1、四旋翼无人机跟踪小车或其他。提供：源码及技术文档。
siamcar训练
weixin_50886167的博客
06-30 2027
siamcar训练
【目标跟踪】SiamCAR
最新发布
lly_csdn123的博客
12-10 1332
通过将视觉跟踪任务分解为像素类别分类和边界框回归2个子问题，提出1种新颖的全卷积Siamese网络，以逐像素方式解决端到端视觉跟踪问题。与基于区域提议的Siamese-RPN、SiamRPN++和SPM等最先进的跟踪器不同，所提出的框架proposal 和anchor free。因此，能够避免棘手的超参数调整锚，减少人为干预。提出的框架简单、简洁、有效。
目标追踪与定位实验笔记1-项目配置篇SiamCAR代码
qq_33977080的博客
06-09 1867
首先 在命令行中输入 anaconda-navigator 新建anaconda环境 选择python版本 然后点击确定 在pycharm中选择对应项目，进行环境配置 file -> settings -> project: -> python Interpreter 然后选择我们创建好的python环境 在pycharm终端下 cd /home/username/下载 pip install torch-1.8.0+cu111-cp36-cp36m-linux_x86_64.w.
SiamCAR笔记
qq_41434501的博客
11-01 1348
本文将视觉跟踪任务分解为两个问题：像素级别的分类问题+在该像素上目标框的回归问题，提出了一个新颖的全卷积孪生网络SiamCAR以端到端的方式在像素级别解决目标跟踪问题。
评论
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