深度学习Tracking(1)——Learning to Track at 100 FPS with Deep Regression Networks

本文介绍了一种基于深度回归网络的追踪算法,能够在视频流中实时预测目标位置,达到100fps。算法利用训练数据学习目标外观和运动的关系,适用于跟踪未见过的新目标。网络输入包括目标图像和搜索域,通过卷积层和全连接层预测目标在当前帧的坐标。网络结构采用CaffeNet的前五层卷积层,结合全连接层进行高阶特征比较,以适应光照变化、遮挡等复杂情况。训练过程用于确定网络对目标运动的预测能力。
摘要由CSDN通过智能技术生成

发生了一些很奇葩的事情,因此我可能要开始学习深度学习了。研究生开始这么久了才开始做深度学习,我真的要担心自己的毕业问题了。好的吧,加油吧。虽然不懂,现在开始吧。


原文地址:【http://davheld.github.io/GOTURN/GOTURN.pdf
项目地址:【http://davheld.github.io/GOTURN/GOTURN.html
一篇更详尽的翻译:【https://zhuanlan.zhihu.com/p/25338674?utm_medium=social&utm_source=wechat_session&from=singlemessage&isappinstalled=1


本文介绍的算法利用深度回归网络,输入为视频流,输出为每一帧中目标的位置。该算法的highlight在于,其利用的是线下的训练,获取目标外观和运动之间的联系,以此来实现对任意(甚至全新、从未见过的)目标的tracking。并且由于网络已经学会了tracking的技巧,因此可以实现100fps的实时应用。

论文第3章主要介绍了该算法。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值