visual tracking的scale 问题

最近在研究结合尺度空间理论解决visual tracking中尺度估计问题。

先贴出尺度空间的一个blog:点击打开链接

然后是几篇基于mean_shift 下的尺度的方法,虽然现在mean_shift已经没有卵用。

Paper 1:

Mean-shift Blob Tracking through Scale Space ,CVPR,2003,应该算是这个方向很早的paper了,最近在研究,可能会整理一个技术文档。

Paper2&3:

MEAN-SHIFT BLOB TRACKING WITH ADAPTIVE FEATURE SELECTION AND SCALE ADAPTATION  &  Scale and Orientation Adaptive Mean Shift Tracking

两篇国内的文章,后者是zhanglei 团队的,有code: http://www4.comp.polyu.edu.hk/~cslzhang/SOAMST.htm

Paper 4

Robust Scale-adaptive Mean-Shift for Tracking 思路与上面有些类似。

这几天主要集中看这几篇papers

单目标跟踪数据集: 1. OTB - Object Tracking Benchmark:一个经典的单目标跟踪数据集,包含100个视频序列,涵盖多种对象的形态、尺度、光照、遮挡等变化。 2. VOT - Visual Object Tracking:一个挑战性的单目标跟踪数据集,包含数百个视频序列,涵盖多种场景和对象变化。 3. UAV123 - UAV-based Object Tracking:一个专门针对无人机上的单目标跟踪任务的数据集,包含123个无人机视频序列。 4. LaSOT - Large-scale Single Object Tracking:一个规模较大的单目标跟踪数据集,包含1400个视频序列,涵盖多种场景和对象变化。 5. GOT-10k - Generic Object Tracking Benchmark:一个大规模的通用目标跟踪数据集,包含10,000个视频序列,涵盖多种对象和场景变化。 多目标跟踪数据集: 1. MOTChallenge - Multiple Object Tracking Challenge:一个多目标跟踪竞赛数据集,包含多个子数据集,涵盖多种场景和对象的变化。 2. MOT16、MOT17、MOT20 - Multiple Object Tracking:多个公开的多目标跟踪数据集,涵盖多种场景和对象变化。 3. UA-DETRAC - Urban Autonomous Driving Detection and Tracking:一个专门针对城市自动驾驶场景的多目标跟踪数据集,包含10个城市驾驶场景,涵盖多种车辆和行人的变化。 4. MOT2015 - Multiple Object Tracking:一个多目标跟踪数据集,包含多个子数据集,涵盖多种场景和对象变化。 5. DukeMTMC - Multi-Target, Multi-Camera Tracking:一个多目标多摄像头跟踪数据集,包含多个场景和多个摄像头。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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