CVPR2017的oral,之前读过这篇文章,没get到oral的点在哪,今天有空又读了一遍,感觉嗯,oral还是有oral的理由的……
原文链接:Context-Aware Correlation Filter Tracking
Motivation
这篇文章还是解决的相关滤波的老问题,由于余弦窗(用来抑制边界效应的)和search region的限制,导致CF模板学不到太多的背景信息,当目标发生比较大的形变或者复杂背景干扰的时候,容易跟丢。
Contribution
针对上述问题,作者提出一种框架,显式的学习目标周围的背景信息,这种框架可以广泛地用到基于CF的跟踪算法上。
Algorithm
还是先来看一下pipeline:
上图左边是传统的CF方法,训练(training)和检测(detection)交替进行,简单直接。
右边是CACF作出的改进,可以看到,在训练阶段,作者在目标的上下左右各采了一个context area,在训练过程中,将中间的 A0 A 0 标记为正样本,将附近的上下文区域 Ai A i 标记为负样本,进行模版的训练。检测阶段与传统CF一样。
传统的CF的目标函数:
作者的改进版:
与原版相比,可以看作是加了一个惩罚项 ∑||