![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
目标跟踪算法
文章平均质量分 87
aiqiu_gogogo
中国科学院自动化研究所研究生,臭淋雨,坑货一枚,萌萌的,么么哒~~~
展开
-
CREST: Convolutional Residual Learning for Visual Tracking
本文概览分析DCF系列跟踪算法的不足,并加以改进;本文核心一:将DCF作为CNN中的一个卷积层;本文核心二:将特征提取,响应图产生以及模型更新整合到CNN中进行端对端训练;本文核心三:将残差学习的思想用于深度目标跟踪网络的更新,可以更有效地应对目标外观的大变化和小变化;本文实验效果:在OTB100上获得了0.837的精度和0.623的覆盖率;DCF算法分析DCF算法优点一:可以在频域上原创 2017-09-25 21:55:08 · 3952 阅读 · 5 评论 -
TrackingNet: A Large-Scale Dataset and Benchmark for Object Tracking in the Wild 数据集!!!
苦苦等了好久好久,终于等到这么一个是用于目标跟踪的超大数据集了!本数据集特色总结如下:1,规模大:包含3万+个视频以及1420万个标注框——真的是爽到哭啊,OTB100才100个视频算什么?ImageNetVideo2015才3000多个视频又算什么?;2,专为目标跟踪设计:不像一般的大数据库都是隔几帧标注一个目标,这个数据集每个图片的目标都标注了——贴心啊;3,前景好:作者将Si...原创 2018-04-18 22:57:36 · 3961 阅读 · 13 评论 -
VITAL: Visual Tracking via Adversarial Learning 阅读笔记
本文概览本文是一篇很不错的关于目标跟踪算法的文章,收录于CVPR2018。论文链接:https://arxiv.org/pdf/1804.04273.pdf本文主要分析了现有的检测式跟踪的框架在模型在线学习过程中的两个弊病,即: ①、每一帧中正样本高度重叠,他们无法捕获物体丰富的变化表征; ②、正负样本之间存在严重的不均衡分布的问题; 针对上述问题,本文提出 VITAL 这个算法...原创 2018-04-18 15:02:02 · 6912 阅读 · 26 评论 -
那些年,我被VOT工具坑的日子
今天在VOT上做自己跟踪器的实验,本以为会顺利进行,测了结果就直接贴在论文上就好了,但是谁知……下面总结一下VOT测试的坑,运行平台是Linux+python跟踪器;下载1,https://github.com/votchallenge/vot-toolkit 下载最新主体工具版本vot-toolkit,我下载的是2017; 2,https://github.com/votcha...原创 2018-03-06 10:48:49 · 9961 阅读 · 34 评论 -
Learning Dynamic Siamese Network for Visual Object Tracking 阅读笔记
前言预读文章:Fully-Convolutional Siamese Networks for Object Tracking (SiameseTracker)。 在深度学习做目标跟踪效果好的算法中,这篇文章算是有点难度的了~~~啃了一上午算是啃明白了点~ 本博客将采用一边半翻译一边详细解说并抒发自己看法的方式介绍这篇文章。摘要1,第一句话就指出本文算法的特点:学习目标的外观变化,...原创 2018-03-03 20:57:47 · 4490 阅读 · 4 评论 -
End-to-end Flow Correlation Tracking with Spatial-temporal Attention 阅读笔记
占坑。。。。。(这两天好忙啊)原创 2018-03-10 10:46:25 · 1331 阅读 · 1 评论 -
A Twofold Siamese Network for Real-Time Object Tracking 阅读笔记
个人评价:自从SiamFC利用Siamese网络解决目标跟踪问题后,很少有出色的基于SiamFC改进的目标跟踪工作。SiamFC通过训练Siamese网络用以在外观层面上区分两个物体是否属于一个目标,从而达到目标跟踪的目的。SiamFC的好处很多,其最核心的就是离线训练结合在线跟踪,以及end-to-end的跟踪模式,是少有的基于深度学习并且同时兼备性能和速度的跟踪器,所以基于SiamFC进行...原创 2018-03-01 11:13:30 · 7183 阅读 · 13 评论 -
ECO:Efficient Convolution Operators for Tracking 阅读笔记
本文概览:1,作者:Martin Danelljan; 2,灵感来源:自从KCF出现后,基于KCF改良的CF类跟踪器效果越来越好,但是速度越来越慢; 3,解决问题:在提升改进CF模型的性能的同时增加其速度,同时避免速度过慢和过拟合并提升性能; 4,特征选取:CNN+HOG+CN; 5,算法效果1:使用深度特征,在VOT2016上比当前最好的算法覆盖率提升13.3%; 6,算法效果2:原创 2018-01-30 16:35:33 · 2959 阅读 · 2 评论 -
对比目标跟踪问题中三大尺度估计算法——SAMF,DSST,bboxRR
(以下均为本人在实际实验使用中总结的个人观点)SAMF:1,原文:A Scale Adaptive Kernel Correlation Filter Tracker with Feature Integration; 2,个人评价:ICCV的workshop,感觉没什么创新,用了尺度金字塔原理(CV中常见手段),但是本文方法很实用; 3,特点:无参数,不更新,尺度估计是否准确比较依赖原创 2018-01-19 16:42:42 · 12249 阅读 · 3 评论 -
Siamese Instance Search for Tracking 阅读笔记
这是一篇CVPR2016的用DL思想解决Tracking的文章。文章思想简单易懂,但是效果却很好,在OTB50上获得了 state-of-the-art。核心思想:通过Siamese网络学习一个匹配函数。在得到第一帧目标信息后,接下来的所有帧采样后都和第一帧目标进行匹配度计算,得分最高的即为目标。(ps:这里,算法设计的核心思想在于永远和第一帧的目标进行匹配度计算,这样就会有一下几个好处:原创 2018-02-01 11:02:48 · 3103 阅读 · 2 评论 -
Good Features to Correlate for Visual Tracking 阅读笔记
Good Features to Correlate for Visual Tracking本文效果1, 速度:2fps,没有实时; 2,性能:0.922(PP-OTB2013),0.692(SP-OTB2013),0.899(PP-OTB2015),0.678(SP-OTB2015),在OTB2015上相比其他算法在PP和SP上相对OTB2013结果下降不多,OTB2013的SP原创 2018-01-10 21:58:23 · 1744 阅读 · 1 评论 -
Learning Spatial-Aware Regressions for Visual Tracking 阅读笔记
文章初步概览1,OTB-100性能:精度——0.923,覆盖率——0.672;2,VOT2017 比赛性能第一;3,速度:1fps,没有实时;4,开放代码:http://data.votchallenge.net/vot2017/trackers/24_LSART.zip;主要方法及贡献1,用将目标分割成部件的思想定义了新的求核相关值的方法,并将该方法融入到CNN中作为一个组件进行高效求原创 2017-12-16 11:52:53 · 4064 阅读 · 7 评论 -
SANet:Structure-Aware Network for Visual Tracking 阅读笔记
本文概览解决问题:由于CNN模型主要用于类间判别,所以大多数CNN用于目标跟踪的任务中对目标物体的相似物都很敏感;主要方法:CNN+RNN,CNN主要提供目标物体和背景之间的判别形,RNN主要提供目标物体和相似物之间的判别性;主要思路:使用RNN对目标物体的self-structure信息建模,利用目标物体的self-structure信息加强目标物体与其相似物的判别性,并将目标物体的RNN特原创 2017-10-01 15:32:30 · 4805 阅读 · 3 评论 -
Detect to Track and Track to Detect
本文概览本文使用一个简单的卷积网络模型(ConvNet)在视频序列中同时实现多目标的跟踪和检测;本文构建了一个新颖的损失函数,包括用于单帧检测的多任务损失和用于多帧间跟踪回归损失;本文引入相关特征用于代表同一目标在不同帧图片中同时出现以此达到跟踪的目的;本文检测和跟踪相互辅助,同时产生高精度的检测和跟踪性能;本文提出在多帧中同时进行目标检测和跟踪任务,其中检测部分使用R-FCN框架,跟踪部原创 2017-10-15 15:01:17 · 4152 阅读 · 1 评论 -
High Performance Visual Tracking with Siamese Region Proposal Network 阅读笔记
1,(IDEA) In tracking task we don’t have pre-defined categories, so we need the template branch to encode the target’s appearance information into the RPN feature map to discriminate foreground from ...原创 2018-06-17 10:24:44 · 2137 阅读 · 0 评论