- 博客(9)
- 资源 (1)
- 收藏
- 关注
原创 ATOM阅读笔记
提出了一种新颖的跟踪架构,其中包含用于目标估计和分类的显式组件。估计组件在大规模数据集上进行离线训练,以预测目标和边界框估计之间的 IoU 重叠。我们的架构通过执行特征调制来集成目标特定的知识。分类组件由两层全卷积网络头组成,并使用专门的优化方法进行在线训练。在四个跟踪基准上进行了综合实验。我们的方法提供了准确的目标估计,同时对场景中的干扰对象具有鲁棒性,在所有四个数据集上的性能都优于以前的方法。
2023-03-23 19:16:16
140
原创 Transformer
传统的RNN难于并行,而最近流行的attention往往会利用RNN。为了解决无法并行训练问题,google提出了self-attention,完全摒弃了RNN单元,从而做到并行训练。
2023-03-23 10:18:17
121
原创 SiamCAR笔记
本文将视觉跟踪任务分解为两个问题:像素级别的分类问题+在该像素上目标框的回归问题,提出了一个新颖的全卷积孪生网络SiamCAR以端到端的方式在像素级别解决目标跟踪问题。
2022-11-01 21:15:25
873
1
原创 SiamMask论文笔记
SiamMask是一种简单的方法,它使完全卷积的 Siamese 跟踪器能够生成目标对象的与类别无关的二进制分割掩码。SiamMask 的两个变体使用简单的边界框进行初始化,在线操作,实时运行,并且不需要对测试序列进行任何调整。
2022-10-22 08:34:01
230
3
原创 SiamRPN++阅读笔记
论文提出了一种名为SiamRPN++的框架,相比于其他Siamese系列框架,该框架可以使用深度神经网络作为backbone,可以使用较深的网络进行特征提取。也得益于使用较深的网络,则不同层可以表现出不同的语义特征,该框架将不同层的语义特征进行融合,共同作用得出了建议区域。同时,使用Depthwise Conv的方法,缩小了不同分支之间参数数据不平衡的问题,有效的提升了训练过程的稳定性,提高了收敛速度。在多个数据集上测试,取得了较好的效果,具备一定的泛化性。
2022-10-17 09:58:29
699
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人