论文链接:http://cs-people.bu.edu/jmzhang/MEEM/MEEM-eccv-preprint.pdf
代码及demo:http://cs-people.bu.edu/jmzhang/MEEM/MEEM.html
最近开始视频跟踪检测的学习,刚开始接触tracking,本文分析可能会存在纰漏。针对模型漂移问题,实质上就是因为tracker中dad update才会造成模型漂移问题,本文提出MEEM正是用于对错误更新的更正,避免错误的feature更新影响tracker的跟踪结果。
本文的main idea 是提出一个多专家的模型和用于semi-supervised的损失函数。与其他的tracker相比,MEEM实质上是在基本tracker(这里用的是SVM)的基础上,在怎么预测下一帧的目标这个过程中做改进,意思是在基本tracker的分类结果中,再挑选预测精度最高的object。其实这里的多个experts,本质是多个tracker, MEEM能够允许多个tracker 同时工作,即使其中一个tracker发生了错误的更新,专家组中仍然有其他有着良好的更新的tracker能够继续工作,这个是解决模型漂移问题的关键。
下面将对MEEM中的几个关键点进行解读:
- experts ensemble专家