论文阅读
文章平均质量分 92
记录读过的论文
lingqing97
这个作者很懒,什么都没留下…
展开
-
[论文阅读 2020 Arxiv 自监督对比学习]Exploring Simple Siamese Representation Learning
简介paper:Exploring Simple Siamese Representation Learningcode:暂未开源,可参考PatrickHua/SimSiamKaiming He大神的自监督学习新作。这篇论文相比于之前的SimCLR、BLOY,不需要negative sample pairs、large batches、momentum encoders,可以说是将基于孪生网络的自监督模型简化到了极致,而这也是这篇论文想引导大家思考的,即基于孪生网络的自监督学习模型中,究竟是什么在起作原创 2021-04-22 19:45:27 · 2724 阅读 · 0 评论 -
[论文阅读 2019 CVPR 目标跟踪]Unsupervised Deep Tracking
简介paper:Unsupervised Deep Trackingcode:594422814/UDT_pytorch这篇论文的亮点在于通过无监督学习的方式来进行目标跟踪,且取得了与监督学习模型相当的精度。论文的基本思想是:首先将当前帧作为template frame,后一帧作为Search frame,从而得到响应RSR_SRS,之后反过来,将后一帧作为template frame同时以预测结果RSR_SRS作为其标签,然后当前帧作为Search frame预测当前帧的响应RTR_TRT,原创 2021-04-19 19:44:08 · 442 阅读 · 0 评论 -
[论文阅读 2020 CVPR 目标跟踪]Siamese Box Adaptive Network for Visual Tracking
简介paper:Siamese Box Adaptive Network for Visual Trackingcode:hqucv/siamban这篇论文和SiamCAR的思想有点撞车,都是发现SiamRPN系列的跟踪算法需要预先设置好anchor bbox的相关参数,而这需要花费很多精力去调整这些参数。基于这个动机,这篇论文通过FCN对目标的bbox进行端到端的回归训练得到。主要内容如上图所示是这篇论文中SiamBAN的网络结构。不同于SiamRPN系列跟踪器,该模型将跟踪划分为一个分类任原创 2021-04-13 18:56:23 · 616 阅读 · 1 评论 -
[论文阅读 2019 CVPR 目标跟踪]Target-Aware Deep Tracking
简介paper:Target-Aware Deep Trackingcode:XinLi-zn/TADT这篇论文的动机是:在跟踪时,提取到的深度特征发挥的作用并不大。作者认为主要是三方面的原因造成的:首先,预训练的CNN特征与目标并不相关,后者很可能不会出现在正式的训练数据中;其次,预训练的CNN专注于增加类间差异,而对类内差异不敏感(如下图所示);在实际跟踪一个具体目标时,只有很少的filter处于活动状态;针对上面提及的这些问题,作者提出了Target-aware跟踪器。主要内容原创 2021-04-12 21:01:32 · 526 阅读 · 0 评论 -
[论文阅读 2018 ECCV 目标跟踪]Distractor-aware Siamese Networks for Visual Object Tracking
简介paper:Distractor-aware Siamese Networks for Visual Object Trackingcode:foolwood/DaSiamRPN参考:ECCV视觉目标跟踪之DaSiamRPN的评论区~这篇论文是在SiamRPN的基础上改进的。论文提出的动机主要有两点:一是在之前的siamese跟踪器只能区分开前景和无语义的背景(non-semantic background,这里所谓的non-semantic是指not real object,just back原创 2021-04-10 21:46:20 · 208 阅读 · 1 评论 -
[论文阅读 2019 CVPR 目标跟踪]Fast Online Object Tracking and Segmentation: A Unifying Approach
简介paper:Fast Online Object Tracking and Segmentation: A Unifying Approachcode:foolwood/SiamMask参考:[CVPR2019]我对Siamese网络的一点思考(SiamMask)这篇论文提出了一个可同时用于单目标跟踪(SOT)和视频目标分割(VOS)的跟踪模型。当前的单目标跟踪算法普遍采用第一帧的bbox进行初始化,问题在于:有时候仅仅通过bbox并不能很准确地描述目标物体;此外当前的视频目标分割算法速度普遍偏原创 2021-04-09 20:52:09 · 191 阅读 · 0 评论 -
[论文阅读 2019 ICCV-oral 目标跟踪]Learning Discriminative Model Prediction for Tracking
简介paper:Learning Discriminative Model Prediction for Trackingcode:visionml/pytracking参考:看懂这篇视觉跟踪算法你就可以超神了Martin持续发力的经典之作Dimp。这篇论文的动机是:首先,当前的siamese跟踪器只重视target的特征而忽略了background信息;其次,当前的siamese跟踪器是离线训练的,而跟踪任务跟踪的目标大部分情况是训练集中所没有的,这就导致算法的在线跟踪时的不可靠;同时,当前大多数原创 2021-04-02 20:09:26 · 670 阅读 · 0 评论 -
[论文阅读 2019 CVPR-oral 目标跟踪]ATOM: Accurate Tracking by Overlap Maximization
简介paper:ATOM: Accurate Tracking by Overlap Maximizationcode:visionml/pytracking附上Martin大神的演讲:bilibiliMartin大神的这篇论文的动机是:以往的跟踪器关注点大多在target classification,而没有关注target estimation部分。这篇论文借助IOU-Net来对目标的位置进行更精确的定位,并在多个数据集上取得了SOTA,而且速度还不慢。On the new large-sc原创 2021-04-01 20:09:11 · 422 阅读 · 0 评论 -
[论文阅读 2020 AAAI 目标跟踪]SiamFC++: Towards Robust and Accurate Visual Tracking with Target Estimation
简介paper:SiamFC++: Towards Robust and Accurate Visual Tracking with Target Estimation Guidelinescode:MegviiDetection/video_analyst这篇论文在SiamFC基础上进行了改进,提出了SiamFC++,并在OTB2015,VOT2018,LaSOT,GOT-10k和TrackingNet上取得了SOTA.这篇论文基于以下原则设计了SiamFC++:G1: (decomposit原创 2021-03-25 22:51:40 · 1157 阅读 · 0 评论 -
[论文阅读 2021 CVPR-oral 目标跟踪]Transformer Meets Tracker Exploiting Temporal Context for Robust Visual
简介paper:Transformer Meets Tracker: Exploiting Temporal Context for Robust Visual Trackingcode:594422814/TransformerTrack盼着盼着它来了!这篇论文将Transfomer引入了单目标跟踪任务中,且取得了很好的效果。这篇论文提供了一个基于Transfomer的中间模块,通过该中间模块可以显著提升提取的特征质量。主要内容不同于原始的Transfomre,这篇论文将encoder和de原创 2021-03-24 22:45:27 · 4229 阅读 · 1 评论 -
[论文阅读 2021 CVPR 目标跟踪]Graph Attention Tracking
简介paper:Graph Attention Trackingcode:ohhhyeahhh/SiamGAT这篇论文是在SiamCAR的基础上改进的,两篇论文的第一作者是同一个人。这篇论文的动机是:以往的跟踪器都以基于cross-correlation对提取的template feature和search feature进行information embedding,论文作者认为这种方式存在着以下几个缺点:以往跟踪器对template patch提取的一般是以目标中点为中心大小为m∗mm *原创 2021-03-20 15:34:19 · 2783 阅读 · 2 评论 -
[论文阅读 2020 CVPR 目标跟踪]SiamCAR: Siamese Fully Convolutional Classification and Regression for Visual
简介paper:SiamCAR: Siamese Fully Convolutional Classification and Regression for Visual Trackingcoe:ohhhyeahhh/SiamCAR这篇论文提出的动机是:SiamRPN系列的跟踪器依赖于RPN来进行Classfication和Regression,而这些基于RPN的跟踪需要设置好anchor boxes相关参数才能达到比较好的跟踪效果,对调参的要求较高。基于此,这篇论文基于一个简单的网络结构,实现了一个原创 2021-03-19 21:42:43 · 5139 阅读 · 0 评论 -
[论文阅读 2020 ECCV 目标跟踪]TAO: A Large-Scale Benchmark for Tracking Any Object
文章目录简介主要内容TAO数据集特征TAO数据集标签制作流程TAO数据集标签格式评测细节`Oracles`的设置`Init first`和`Init biggest`两种初始方式`TAO`评测流程`TAO`实验结果简介paper:TAO: A Large-Scale Benchmark for Tracking Any Objectcode:TAO-Dataset/tao这篇论文关注到了跟踪数据集普遍存在的一个问题就是:现有的跟踪数据集中的跟踪对象普遍是person和vehicle(如下图所示,作者原创 2021-03-17 16:16:23 · 1327 阅读 · 0 评论 -
[论文阅读 2016 CVPR 目标跟踪]Learning Multi-Domain Convolutional Neural Networks for Visual Tracking
简介paper:Learning Multi-Domain Convolutional Neural Networks for Visual Trackingcode:hyeonseobnam/py-MDNet这篇论文基于CNN提出了一个multi-domain learning framework,并在OTB和VOT2014两个数据集上取得了SOTA的成绩。论文的motivation是:目标跟踪的关键是区分target和background,但是又不能将跟踪任务简单定义为分类任务,比如:在一个视频原创 2021-03-15 20:37:45 · 155 阅读 · 0 评论 -
[论文阅读 2021 CVPR 目标跟踪]Rotation Equivariant Siamese Networks for Tracking
简介paper:Rotation Equivariant Siamese Networks for Trackingcode:github这篇论文的关注点在跟踪任务中的旋转这个问题,并认为现在的基于深度学习的跟踪算法大量使用了CNN,虽然普遍认为CNN具有一定的平移不变形和旋转不变形,但是CNN并不能够处理跟踪过程中复杂的旋转问题。如上图所示,定义f(⋅)f(\cdot)f(⋅)和ψθ(⋅)\psi_{\theta}(\cdot)ψθ(⋅)分别表示神经网络编码函数和旋转变换函数,在这里ψθ(f(原创 2021-03-13 19:28:35 · 2432 阅读 · 2 评论 -
[论文阅读 2019 综述 目标跟踪]Deep Learning for Visual Tracking: A Comprehensive Survey
简介paper:Deep Learning for Visual Tracking: A Comprehensive Surveygithub:MMarvasti/Deep-Learning-for-Visual-Tracking-Survey这篇论文是之前看的,主要是对深度学习下跟踪算法的一个综述。主要内容由于是综述,内容涵盖较多,这里截取部分我感兴趣的内容。首先,作者根据多个方面对跟踪算法进行了一个分类,如下图所示:然后,论文中还介绍了一些在单目标跟踪中常用的评价指标:Center原创 2021-03-12 23:11:55 · 351 阅读 · 1 评论 -
[论文阅读 2018 CVPR 目标跟踪]High Performance Visual Tracking with Siamese Region Proposal Network
简介paper:High Performance Visual Tracking with Siamese Region Proposal Networkcode:SiamRPN这篇论文提出了SiamRPN跟踪算法,论文最大的亮点就是将RPN引入了跟踪任务中。在当时,很多相关滤波加深度网络的跟踪算法虽然在精度上有了很大提升,但实时性很差。对此,siamfc为代表的siamese network跟踪算法兼顾了精度和速度。这篇论文在SiamFc的基础上,将RPN加入到其中,取得了当时的速度的SOTA.原创 2021-03-12 22:44:32 · 159 阅读 · 0 评论 -
[论文阅读 2016 ECCV 目标跟踪]Fully-Convolutional Siamese Networks for Object Tracking
简介paper:Fully-Convolutional Siamese Networks for Object Trackingcode:siamfc-pytorchsiamfc是siamese目标跟踪的开山鼻祖,siamfc提出的背景是:直接使用深度网络用于目标跟踪无法满足实时性要求。而siamfc开创性地使用siamese netword结构用于目标跟踪,并使用ILSVRC15这种大型的数据集进行预训练,从而使得siamfc的性能非常好。主要流程siamfc的网络框架如上图所示,其中z是参照原创 2021-03-10 19:49:25 · 316 阅读 · 0 评论 -
[论文阅读 2020 CVPR 目标跟踪]Tracking by Instance Detection: A Meta-Learning Approach
简介paper:Tracking by Instance Detection: A Meta-Learning Approachcode:暂未开源这篇论文的动机是通过元学习(Meta-Learning)直接将一个目标检测器转化为一个high-performance的跟踪器。这篇论文提出通过三步来构建一个high-performance的跟踪器:选择一个在目标检测任务中表现好的检测器.通过元学习算法MAML对该检测器进行离线训练.通过首帧图像对该模型进行domain adaptation.原创 2021-03-10 19:08:44 · 575 阅读 · 0 评论