论文笔记
鱼木木和木木鱼
这个作者很懒,什么都没留下…
展开
-
SiamRPN++论文笔记
Introduction主要介绍了本篇文章的主要贡献对孪生神经网络跟踪器进行深入分析,并证明了当使用深度网络时导致精度下降的原因是严格的平移不变性被破坏。提出了一种简单而有效的采样策略来打破空间不变性的限制,成功地训练了由ResNet结构驱动的孪生网络跟踪器。propose a layer wise feature aggregation structure for the cross-correlation operationpropose a depth-wise separa翻译 2020-10-26 23:19:35 · 478 阅读 · 1 评论 -
Deeper and Wider Siamese Networks for Real-Time Visual Tracking 笔记
摘要使用现有的强大架构直接替换主干,例如ResNet [14]和Inception [33],并没有带来改进。主要原因是1)神经元感受野的大幅增加导致特征可辨性和定位精度降低; 2)卷积的网络padding在学习中引起位置偏差。为了解决这些问题,我们提出了新的残差模块,以消除填充的负面影响,并进一步设计使用这些模块的新架构,具有受控的感受野大小和网络步幅。1 introduction我们用更...翻译 2020-03-17 17:44:56 · 228 阅读 · 0 评论 -
SiamRPN论文笔记
摘要SiamRPN包含用于特征提取的Siamese子网络(Siamese subnetwork)和候选区域生成网络(region proposal subnetwork),其中候选区域生成网络包含分类和回归两条支路。 在跟踪阶段,SiamRPN将跟踪视作单样本检测任务(one-shot detection task),就是把第一帧的目标视为检测的模板,在后续帧里面检测与它相似的目标。得益于这些改...翻译 2020-03-14 21:33:25 · 1121 阅读 · 1 评论 -
Fully-Convolutional Siamese Networks for Object Tracking论文笔记
Abstract.传统上,任意目标跟踪的问题是通过在线学习目标的外观模型来解决的,使用视频本身作为唯一的训练数据。尽管这些方法取得了成功,但它们只在线学习的方法从本质上限制了它们可以学习的模型的丰富程度。近来,人们多次尝试开发挖掘深度卷积网络的表达能力。但是,当跟踪的目标事先未知时,需要在线进行随机梯度下降(SGD)来调整网络的权值,严重影响了系统的速度。本文在ILSVRC15视频对象检测数据集...翻译 2020-10-26 23:19:01 · 494 阅读 · 0 评论