【单目标跟踪论文阅读】Siamese Box Adaptive Network for Visual Tracking

最新推荐文章于 2021-10-17 22:14:36 发布
最新推荐文章于 2021-10-17 22:14:36 发布
阅读量2.8k 收藏 14
点赞数 3
分类专栏： 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/shikamarulyc/article/details/104964706
版权

文章目录

主要改进点

  1. 新的框架：SiamBAN
  2. anchor-free，避免了候选框的超参数和先验知识，泛用性更好
  3. 40FPS，满足实时性要求

改进动机

  1. anchor-based跟踪方法有大量的调参负担
  2. anchor-free的检测方法近年来取得极大进展

具体方法

主干网路

  1. 在孪生网络框架的基础上增加了质量分支和状态回归分支
  2. 主干网络采用ResNet-50，去除了后面两个blocks中的下采样以保持空间分辨率；利用孔洞卷积以扩大感受野，且不同层孔洞间隔不同：conv4和conv5的采样步长为1，conv4的孔洞间隔为2，conv5的为4
  3. 最后关联得到的特征通道数为256，且只取目标中心范围7*7的范围
    算法流程图

分类分支和回归分支

  1. 类似于FCOS，直接回归特征图对应位置的偏移量，不过感受野位置计算部分和最后将回归值放大的部分没有看懂
    在这里插入图片描述
    在这里插入图片描述

Multilevel Prediction

类似于SiamRPN++，作者对conv3-5的特征图进行depth-wise cross-correlation，后再对三个层做自适应加权融合
在这里插入图片描述
这里的系数是通过学习算法和网络参数一起优化得到的，而不是事先设置好的超参数

Grond-truth and Loss

  1. Label的设置上，分类分支的Label定义以GT范围中心做椭圆定义
    在这里插入图片描述
    在
最低0.47元/天 解锁文章
shikamarulyc
关注
  • 3
    点赞
  • 踩
  • 14
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
Siamese Box Adaptive Network for Visual Tracking --Siamban,CVPR2020单目标跟踪开源
weixin_45032769的博客
05-31 4679
论文链接 :　http://xxx.itp.ac.cn/pdf/2003.06761v2.pdf 开源项目：https://github.com/hqucv/siamban 创新点:siamban框架 改进:准确估计目标的尺度和纵横比 由于RPN引入导致的参数复杂性 Abstract 现有的跟踪器大多依赖于多尺度搜索方案或预定义的锚来精确估计目标的尺度和纵横比(the scale and aspect ratio of a target)。不幸的是，它们通常需要无脑的启发式配置。为了解决这个问题，我们提出了
安装Siamese Box Adaptive Network for Visual Tracking环境：(linux 16.04 cuda10.1+torch1.5+torchvision0.6)
BearLeer的博客
08-12 279
安装Siamese Box Adaptive Network for Visual Tracking环境： 1.linux 16.04 安装cuda10.1+torch1.5+torchvision0.6 pip install torch==1.5.1+cu101 torchvision==0.6.1+cu101 -f https://download.pytorch.org/whl/torch_stable.html 2. 安装其它环境 pip install pyyaml yacs tq.
[论文阅读 2020 CVPR 目标跟踪]Siamese Box Adaptive Network for Visual Tracking
qq_39621037的博客
04-13 612
简介 paper:Siamese Box Adaptive Network for Visual Tracking code: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
CVPR-2020-SiamBAN:Siamese Box Adaptive Network for Visual Tracking阅读笔记
菜菜子hoho的博客
05-19 1223
论文地址：https://arxiv.org/pdf/2003.06761.pdf 论文代码：https://github.com/hqucv/siamban 一、 动机： 现有的追踪器大多依赖于多尺度测试和预定义的锚框来对目标进行精确地位，但这样就需要先验知识和一系列设计候选盒子的超参数，所以为了解决这个问题设计了更加灵活通用的SiamBAN。该算法将视觉跟踪问题视为一个并行分类和回归问题，直接对目标进行分类，并在统一的FCN中回归其边界框。并且，神经科学家已经表明，生物视觉初级视觉皮层可以快速有效地从复
siamban:用于视觉跟踪的连体盒自适应网络
04-14
暹罗银行 该项目托管用于实现SiamBAN算法以进行视觉跟踪的代码，如我们的论文所述： @inproceedings{siamban, title={Siamese Box Adaptive Network for Visual Tracking}, author={Chen, Zedu and Zhong, Bineng and Li, Guorong and Zhang, Shengping and Ji, Rongrong}, booktitle={Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition}, pages={6668--6677}, year={2020} } 全文可。 原始结果在或，提取代码： um9k 。 基于的代码。 SiamBAN
Siamese Keypoint Prediction Networkfor Visual Object Tracking(论文翻译)
MJ17709005513的博客
10-17 385
论文： 代码：GitHub - ZekuiQin/SiamKPN: Siamese Keypoint Prediction Network for Visual Object Tracking 摘要 视觉目标跟踪的目的是在给定初始边界框的情况下估计视频序列中任意目标的位置。通过利用离线特征学习，Siamese范例最近已成为高性能跟踪的领先框架。然而，现有的Siamese跟踪器要么严重依赖复杂的基于锚点的探测网络，要么缺乏抵抗干扰的能力。在本文中，我们提出了Siamese关键点预测网络(...
A Twofold Siamese Network for Real-Time Object Tracking
07-04
a twofold Siamese network, named SA-Siam, for real-time object tracking. SA-Siam is composed of a semantic branch and an appearance branch. Each branch is a similarity- learning Siamese network. An ...
目标跟踪+siamese 网络+论文与对应代码实现
最新发布
05-11
这篇描述提及的是一个项目，其中包含了目标跟踪的相关代码实现和基于Siamese网络的论文，对初学者来说是一个理想的入门资源。 首先，我们要理解Siamese网络的基本原理。这种网络结构由两个共享权重的分支组成，通常...
Deep Learning for Visual Tracking A Comprehensive Survey.pdf
12-13
视觉目标追踪是计算机视觉领域中最受关注且具有挑战性的研究主题之一。由于问题的不确定性以及其在各种实际应用场景中的广泛应用，已经建立了多个大规模基准数据集，这些数据集上发展并展示了大量方法，近年来取得了...
SiameseNetwork（应用篇5）：孪生网络用于跟踪CVP
01-27
跟踪的很大的一个分支就是基于目标检测（匹配）的跟踪。在以后相当长的一段时间里，基于孪生网络的跟踪方案并解决长时间（long-term）问题一定是跟踪领域的热点。但相比于DCF及其衍生的CNN-DCF优秀的跟踪性能，...
Siamese Networks
09-13
Fully-Convolutional Siamese Networks for Object Tracking
tracking.zip_target tracking_目标跟踪 word
07-14
在“tracking.zip_target tracking_目标跟踪_ word”这个压缩包中，包含了一个名为“机动目标跟踪_张泽兵_05040056.doc”的文档，我们可以期待这份文档详细介绍了目标跟踪的算法、发展历程以及相关的总结。...
diagnose单目标跟踪.zip
07-22
单目标跟踪（Single Object Tracking, SOT）是计算机视觉领域中的一个重要子问题，它涉及到对视频序列中特定目标的连续定位和识别。Diagnose是一个专门用于单目标跟踪的库，它提供了各种工具和方法来帮助研究者和...
全卷积FC-Siamese-Networks的目标跟踪matlab仿真+使用文档
10-12
0.版本：Win7+Matlab R2015b+CUDA7.5+vs2013 1.内容：全卷积Siamese-Networks的目标跟踪仿真 2.用处：用于深度学习编程学习 3适合人群：本科，硕士，博士等教研学习使用
Siamese Keypoint Prediction Network for Visual Object Tracking---论文翻译
weixin_45032769的博客
06-10 758
paper:http://xxx.itp.ac.cn/pdf/2006.04078v1 code:https://github.com/ZekuiQin/SiamKPN Abstract 视觉对象跟踪旨在根据给定的初始边界框来估计视频序列中任意目标的位置。通过利用离线特征学习，暹罗范式最近已成为高性能跟踪的领先框架。但是，当前现有的暹罗跟踪器要么严重依赖于基于锚的复杂检测网络，要么缺乏抵抗干扰者的能力。在本文中，我们提出了暹罗关键点预测网络（SiamKPN）来应对这些挑战。在使用Siamese主干进行特征嵌
Siamese Attentional Keypoint Network for High Performance Visual Tracking--论文笔记
weixin_30367169的博客
05-07 456
Siamese Attentional Keypoint Network for High PerformanceVisual Tracking 摘要：视觉跟踪是计算机视觉最基本的主题之一。现存基于DCF和Siamese架构的跟踪算法相对于以前来说取得了极佳的性能。然而，它依旧被认为是一个开放的研究问题，希望开发出一种强大而有效的跟踪器，可以应用于实时的生活场景中。 在本文中，作者研究视觉跟...
Fully-Convolutional Siamese Networks for Object Tracking全文翻译
lonely_girl的博客
05-18 2942
Fully-Convolutional Siamese Networks for Object Tracking 摘要   任意对象跟踪的问题传统上通过仅在线学习对象外观的模型来解决,使用视频本身作为唯一的训练数据。 尽管这些方式取得了成功,但它们的在线方式本身就限制了他们可以学习的模型的丰富性。最近若干利用深度卷积网络的表达能力的尝试已经进行了。 然而,当事先不知道要跟踪的对象时,有必要在线执行随机梯度下降以适应网络的权重,这会严重损害系统的速度。在这篇论文中,我们为ILSVRC15数据集中的一个基本跟踪
Siamese-fc孪生网络目标跟踪
热门推荐
weixin_39467358的博客
11-08 1万+
全名：Fully-Convolutional Siamese Networks for Object Tracking 论文摘自ECCV Workshop 2016，由Luca Bertinetto、Jack Valmadre、Jo ̃ao F. Henriques、Andrea Vedaldi与Philip H. S. Torr撰写，它是Jo ̃ao F. Henriques继KCF之后又一大...
distractor-aware siamese networks for visual object tracking
03-16
distractor-aware siamese networks for visual object tracking是一种用于视觉目标跟踪的模型，它能够识别并排除干扰物，提高跟踪的准确性。该模型采用孪生网络结构，通过学习目标和背景之间的相似性来进行跟踪。同时，它还能够自适应地调整模型的权重，以适应不同的跟踪场景。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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