论文笔记
aaon22357
这个作者很懒,什么都没留下…
展开
-
【论文笔记】CVPR2018_SiamRPN
SiamFC的缺点:Siamese的方法只能得到目标的中心位置,但是得不到目标的尺寸,所以只能采取简单的多尺度加回归,这即增加了计算量,同时也不够精确。本文的改进:SiamFC+ RPN Network,输出两个分支,分别用于分类和回归(SiamFC没有回归,而是用多尺度测试,增加了计算量且不够精确),帧率160fps(不需要在线微调),端到端,单目标跟踪SiamRPN网络结构:【训练阶...原创 2019-06-14 13:12:06 · 2081 阅读 · 2 评论 -
【论文笔记】ECCV2018_DaSiamRPN
【论文名称】:Distractor-aware Siamese Networks for Visual Object Tracking(Zheng Zhu, Qiang Wang, Bo Li, Wei Wu.)【概述】:本文是SiamRPN文章的follow-up,重点强调了训练过程中样本不均衡的问题,增加了正样本的种类和有语义的负样本。实时性好(160 FPS on short-term...原创 2019-06-14 17:32:05 · 605 阅读 · 0 评论 -
【论文笔记】CVPR2019_SiamMask
文章目录概述和SiamFC做对比网络结构分割分支的设计网络backbone部分结构参数概述multi-task learning, 同时实现VOT和VOS。只需要单一的bounding box来做初始化,就可以在跟踪过程中实时的输出分割掩码。速度35fps。不需要在线微调。在SiamRPN++的基础上(SiamMask使用的是ResNet50作为backbone,这个与SiamRPN...原创 2019-06-19 20:33:56 · 600 阅读 · 0 评论 -
【论文笔记】CVPR2019_SiamDW
概述本文是CVPR2019的一篇Oral文章,关注点主要在于跟踪网络的backbone不能加深的问题,与SiamRPN++想法如出一辙。作者在实验中发现,这几个参数对跟踪结果的影响,非常巨大: the receptive field size of neurons; network stride; feature padding 。知乎上看到的一个链接 https://zhuanlan....原创 2019-06-19 21:37:54 · 834 阅读 · 0 评论 -
【Tracking数据集】
Benchmarks:CVPR 2014, Object Tracking Benchmark(OTB-2013)PAMI 2014, ALOV 300TIP 2015, Temple Color 128(TC-128)PAMI 2015, Object Tracking Benchmark(OTB-2015)PAMI 2016, NUS-PROECCV 2016, UVA123...原创 2019-06-19 20:49:01 · 1788 阅读 · 0 评论 -
【论文笔记】mixup
论文题目 mixup: Beyond Empirical Risk Minimization2017(ICLR2018),Hongyi Zhang et al. Mixup ,MIT和FAIR一作的知乎回答 https://www.zhihu.com/question/67472285论文笔记 https://blog.csdn.net/u013841196/article/details/...原创 2019-06-21 09:58:31 · 347 阅读 · 0 评论 -
【论文笔记】CVPR2019_SiamRPN++
文章目录Motivation分析深层网络跟踪效果差的原因作者专栏 https://zhuanlan.zhihu.com/p/56254712参考 https://blog.csdn.net/WZZ18191171661/article/details/88579348Motivation该论文主要解决的问题是将深层网络ResNet、Inception等网络应用到基于孪生网络的跟踪网络中。在...原创 2019-06-18 12:30:24 · 603 阅读 · 0 评论