最近论文看的很缓慢,十分不适应看论文的节奏,blog更新跟不上了,不像以前一天一更了。今天把TLD前面的的一些东西进行了一个总结。
Trackers只需要的是初始化,Detectors需要的是offline train stage。这样的话Tracker可以提供标记训练数据给Detector,而Detector可以重新初始化Tracker。两者可以起到一个互相帮助,协同工作的作用。
需要一种学习方式来和TLD匹配,为此作者提出了新的学习方法,P-N learning
P-N learning的输入就是一个标记的集和一个未标记的集,论文上都有写。他的工作就是学习一个分类器f。
工作的关键是一个P-expert 一个是N-expert 这样两个单独工作的模块产生的错误可以互相抵消,作者也对P-N learning的稳定性进行了分析。
讲了一大堆理论,其实我自己也不是很懂,还是再回头看看代码吧,论文看的头都大了。