![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
视觉跟踪
文章平均质量分 82
autocyz
本人在读硕士一枚,学习方向是图像处理,希望能有所进步
展开
-
Hierarchical convolutional Features for visual tracking
Hierarchical convolutional Features for visual tracking算法概要这篇文章所提出的算法在本质上还是cf那一套框架,作者着重改变的是目标的特征描述。在以往的cf中,大家用的都是常用的物体特征描述,比如HOG,但是这种特征毕竟是manual的,当目标本身的appearance发生较大的改变时,manual型的特征不能很好的适应。注意到在物体检测识别领域原创 2016-03-08 14:34:14 · 5985 阅读 · 9 评论 -
DSST(Accurate Scale Estimation for Robust Visual Tracking 代码解读
Accurate Scale Estimation for Robust Visual Tracking我在前面一篇博客“相关滤波跟踪(MOSSE)”中讲了相关滤波跟踪的原理,但是因为那篇文章没有提供代码,所以就没法深入的研究他,而且纯理论看起来会很枯燥。后来Martin Danelljan 对MOSST做了改进,并增加了多尺度跟踪,改进效果很显著,在今年的VOT上,其测试效果是第一的。其文章名为A原创 2015-09-22 10:53:42 · 22289 阅读 · 22 评论 -
相关滤波跟踪(MOSSE)
相关滤波跟踪(MOSSE)在信号处理中,有这么一个概念——相关性(correlation),用来描述两个因素之间的联系。而相关性又分为cross-correlation(互相关,两个信号之间的联系)和auto-correlation(自相关,本身在不同频域的相关性)。2010年CVPR,David S.Bolme在文章《visual object tracking using adapti原创 2015-08-31 17:17:57 · 44049 阅读 · 18 评论 -
快速压缩跟踪(fast compressive tracking)(CT)算法剖析
Fast Compressive Tracking(快速压缩跟踪)虽然目前有很多种的跟踪算法,但是由于姿态的变化、光照的变化、障碍物等原因的存在,导致很多算法的鲁棒性不好。目前比较主流的跟踪算法有两种,generative tracking algorithms(生成跟踪算法)和discriminative algorithms(判别跟踪算法)。生成跟踪算法,顾名思义边生成边跟踪原创 2015-03-20 12:46:20 · 8158 阅读 · 5 评论 -
计算机视觉、机器学习相关领域论文和源代码
内容复制过来,结果没法保存,所以直接给个链接吧。。。。。。http://blog.sciencenet.cn/blog-849193-834792.html 涵盖内容如下: 一、特征提取Feature Extraction:二、图像分割Image Segmentation:三、目标检测Object转载 2015-01-11 21:59:19 · 1055 阅读 · 0 评论 -
中国计算机学会推荐国际学术刊物、会议(人工智能与模式识别)
中国计算机学会推荐国际学术刊物1、A类刊物简称刊物全称出版社网址AIArtificial IntelligenceElsevierhttp://www.journals.elsevier.com/artificial-intelligence/TPAMIIEEE Trans on Patte原创 2015-04-03 13:23:02 · 3245 阅读 · 0 评论 -
STCT: Sequentially Training Convolutional Networks for visual tracking
1、怎么将CNN用在特定的任务中众所周知CNN的使用往往需要大量的训练样本,但是我们在很多特定任务中是没法获得像imageNet那样庞大的样本库,因此如何在小样本中使用CNN是一个难题。后来很多学者经过研究发现CNN的模型有很好的泛化性能,即在大样本库中训练好的CNN模型对于特定的任务也有不错的性能。一些学者根据这个特性提出了fine-tune的方法,如上图所示。我们首先在big dataset上训原创 2016-09-17 21:10:06 · 4321 阅读 · 0 评论 -
GOTURN——Learning to Track at 100 FPS with Deep Regression Networks
文章的题目叫:《Learning to Track at 100 FPS with Deep Regression Networks》 算法简称:GOTURN(Generic Object Tracking Using Regression Networks) 作者是斯坦福的David Held 文章以及附件:http://davheld.github.io/GOTURN/GOTURN.htm原创 2016-09-24 10:36:48 · 19523 阅读 · 16 评论 -
基于全连接孪生网络的目标跟踪(siamese-fc)
Fully-Convolutional Siamese Networks for Object Tracking这两年可以说deeplearning已经占领了visual object tracking这个领域,但是对于跟踪问题来说,这些基于DL的做法虽然能够很好的提升跟踪的效果,但是在时效性这一方面却做的很差,这是因为DL复杂的模型往往需要很大的计算量,尤其是当使用的DL模型在跟踪的时候对模型进行原创 2016-11-18 15:17:37 · 40113 阅读 · 32 评论