![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
RGB-T追踪
文章平均质量分 94
zz的大穗禾
正确而聪明地行动
展开
-
RGB-T追踪——【综述】A Survey for Deep RGBT Tracking.
本篇论文总结了RGBT追踪中那些基于深度学习的方法,并在GTOT, RGBT210, RGBT234 和LASHER这四个公认的Benchmark上面进行对比(应该是直接搬用的论文里面的实验数据,所以并不是所有对比的Tracker都有四个Benchmark的结果)原创 2022-09-19 22:42:08 · 4322 阅读 · 0 评论 -
RGB-T追踪——【Siamese】SiamCDA: Complementarity- and Distractor-Aware RGB-T Tracking
这里的操作是,对于前面融合的结果:第一帧的三阶段融合特征和当前帧的三阶段融合特征,分别对三个阶段的融合特征应用Region Proposal网络生成k个anchor,然后用分类分支和回归分支生成对应的响应图。第一帧的RGB特征、TIR特征和当前帧的特征、TIR特征分别这样融合,得到第一帧的三阶段融合特征和当前帧的三阶段融合特征。4.2 如果“太子框”与上一帧的框的交并比小于0.2,就从剩下的其它框,就选其它框中与上一帧的框的交并比大于等于0.7的框且置信度最高的那个。1. 置信度超过0.3的候选框留下;原创 2022-09-19 22:38:07 · 1996 阅读 · 5 评论 -
RGB-T追踪——【多模态融合】APFNet: Attribute-Based Progressive Fusion Network for RGBT Tracking
现有的RGB-T多模态的融合模型通常是设计一个大而复杂的融合模型,或是生成模态相关的置信分数来自适应性地融合RGB模态和TIR模态特征,或是充分考虑模态共享特征-模态独有特征-模态生成响应图这三个方面设计融合模型。这样复杂模型所带来的问题就是需要大量的训练数据,且尽可能包括各种有挑战属性的场景。中提出一个RGB-T追踪的新思路:针对五个典型的挑战(如光照变化(IV)、快速运动(FM)、尺度变化(SV)、遮挡(OCC)和热交叉(TC))设计不同的分支提取相应特征,再融合起来。原创 2022-09-15 17:34:07 · 3385 阅读 · 0 评论 -
RGB-T追踪——【多模态融合】Visible-Thermal UAV Tracking: A Large-Scale Benchmark and New Baseline
通常RGB-T追踪器主要用了RGB追踪器相似的pipeline,然后聚焦于设计一个两模态融合方法。现有的融合方法主要分为图片融合、特征融合、决策融合三类。【图片融合】利用BackBone网络,以共享权重的方式学习可见光图片和热红外图片的图片特征,并且学出来的这个共享权重相当于取了可见光图片和热红外图片中对定位目标有用的一致的信息。这种方法存在的缺陷是需要可见光图片和热红外图片高度对齐。【特征融合】大多数Tracker是融合可见光图片和热红外图片的特征。这里也有两种融合。......原创 2022-07-28 00:25:51 · 5777 阅读 · 2 评论