论文框架流程_2

本文介绍了使用CNN特征的多目标跟踪方法CNNMTT(2019),基于Faster R-CNN在MOT16数据集上进行训练。通过计算cost graph进行对象与track的匹配,利用CNN提取apperance特征,应用匈牙利算法进行最佳匹配,并通过组中心更新来优化跟踪稳定性。训练过程中采用SGD优化器,最终输出最稳定的track。
摘要由CSDN通过智能技术生成

Multi-target tracking using CNN-based features: CNNMTT(2019)

先验知识:行人以群类分(独自走的行人自成一组),以组中心更好地估计行人在下一帧的位置;
训练CNN方法SGD(随机梯度下降);
实验数据集:MOT16;
总流程:
在这里插入图片描述

  1. 使用Faster R-CNN在MOT16上的结果;
  2. 计算cost graph,cost graph代表匹配对象和track的cost:
    在这里插入图片描述在这里插入图片描述
  • apperance通过CNN提取,分别获取对象和track的特征,然后计算P(app)(w(app)为参数):
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