【论文阅读】Superpixel-based Tracking-by-Segmentation using Markov Chains

Superpixel-based Tracking-by-Segmentation using Markov Chains

论文链接：Superpixel-based Tracking-by-Segmentation using Markov Chains

思想：将Tracking问题转化为已知前一帧超像素块的bg，fg状态的前提下求下一帧超像素块的bg，fg状态判定的问题，而后通过一些判断，确定最合理的fg超像素块的组合。这一系列操作都是基于超像素的，而状态的判定用了吸收状态的马尔科夫链。

优点：

1、应用了超像素来做区域回归，将少了数据量的同时，保留了图像分割的有效信息，且一般不破坏图像中的边界信息

2、将每个超像素块都当做马尔科夫链的一个状态，并且将空间上，时间上相邻的点都连线，生成的马尔科夫链将包含相邻帧的超像素块时空特性，切合Tracking问题的特性

3、用图论来做概率推算，CNN做的是一个SVR的特征提取器，训练的方式类似one-shot，先用semantic segmentation预训练模型，然后用自己的数据微调。可以看出，作者对于Tracking问题，更加关注的是