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