深度学习用于目标追踪的论文及代码集锦

[1] Hierarchical Convolutional Features for Visual Tracking

Chao Ma et al.

SJTU

ICCV 2015

https://www.cv-foundation.org/openaccess/content_iccv_2015/papers/Ma_Hierarchical_Convolutional_Features_ICCV_2015_paper.pdf

本文的主要步骤示例如下

640?wx_fmt=png

卷积层可视化示例如下

640?wx_fmt=png

本文所提算法伪代码示例如下

640?wx_fmt=png

其中(1)式及符号解释如下

640?wx_fmt=png

(4)式及符号解释如下

640?wx_fmt=png

(5)式及符号解释如下

640?wx_fmt=png

(6)式及符号解释如下

640?wx_fmt=png

各方法效果比较如下

640?wx_fmt=png

代码地址

https://github.com/jbhuang0604/CF2


              smiley_12.png我是分割线smiley_12.png


[2] Visual Tracking with Fully Convolutional Networks

Lijun Wang et al.

Dalian University of Technology

ICCV 2015

https://www.cv-foundation.org/openaccess/content_iccv_2015/papers/Wang_Visual_Tracking_With_ICCV_2015_paper.pdf

目标定位的特征映射示例如下

640?wx_fmt=png

CNN用于图像分类时可以携带空间信息的示例如下

640?wx_fmt=png

算法整体流程示例如下

640?wx_fmt=png

对应的文字描述为

640?wx_fmt=png

各方法效果对比如下

640?wx_fmt=png

640?wx_fmt=png

640?wx_fmt=png

https://github.com/scott89/FCNT


              smiley_12.png我是分割线smiley_12.png


[3] Learning Multi-Domain Convolutional Neural Networks for Visual Tracking

Hyeonseob Nam, Bohyung Han

POSTECH

CVPR 2016

https://www.cv-foundation.org/openaccess/content_cvpr_2016/papers/Nam_Learning_Multi-Domain_Convolutional_CVPR_2016_paper.pdf

多领域网络结构示例如下

640?wx_fmt=png

算法伪代码示例如下

640?wx_fmt=png

各方法效果对比如下

640?wx_fmt=png

640?wx_fmt=png

640?wx_fmt=png

代码地址

http: //cvlab.postech.ac.kr/research/mdnet/

https://github.com/HyeonseobNam/MDNet


               smiley_12.png我是分割线smiley_12.png


[4] Deep Tracking: Seeing Beyond Seeing Using Recurrent Neural Networks

Peter Ondru´ska

University of Oxford

AAAI 2016

http://www.robots.ox.ac.uk/~mobile/Papers/2016AAAI_ondruska.pdf

RNN滤波图解如下

640?wx_fmt=png

4层的循环神经网络示例如下

640?wx_fmt=png

代码地址

https://github.com/pondruska/DeepTracking


              smiley_12.png我是分割线smiley_12.png


[5] ECO: Efficient Convolution Operators for Tracking

Martin Danelljan et al.

Linkoping University

CVPR 2017

http://openaccess.thecvf.com/content_cvpr_2017/papers/Danelljan_ECO_Efficient_Convolution_CVPR_2017_paper.pdf

各方法效果对比如下

640?wx_fmt=png

640?wx_fmt=png

640?wx_fmt=png

代码地址

https://github.com/martin-danelljan/ECO


            smiley_12.png我是分割线smiley_12.png


您可能感兴趣

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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