论文笔记VITAL: VIsual Tracking via Adversarial Learning

于 2020-09-08 09:31:25 发布
阅读量326 收藏
点赞数
分类专栏： # 目标跟踪 文章标签： 目标跟踪 gan网络
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/u011609063/article/details/108455940
版权

论文笔记VITAL: VIsual Tracking via Adversarial Learning

1. 论文标题及来源

VITAL: VIsual Tracking via Adversarial Learning, CVPR, 2018
下载地址：https://openaccess.thecvf.com/content_cvpr_2018/papers/Song_VITAL_VIsual_Tracking_CVPR_2018_paper.pdf

2. 拟解决问题

a. 正样本在空间上高度重叠
b. 正负样本不平衡

3. 解决方法

3.1 算法流程

在这里插入图片描述
网络结构如上图所示，它的流程如下
a. 通过卷积网络提取模板和搜索区域的特征
b. 利用gan网络的思想生成权重掩码，丰富模板特征的多样性
c. 将预测的权重掩码作为卷积核，与搜索预期的特征进行相关操作(类似于相关滤波系列的方法)
d. 最后连接两个全连层进行分类和回归

值得注意的是，在训练的时候，G(生成器)和D(判别器)都会保留；在测试的时候，只保留D(判别器)

4. 实验结果

4.1 OTB2013

在这里插入图片描述
在这里插入图片描述

4.2 OTB2015

在这里插入图片描述

4.3 VOT2016

在这里插入图片描述

5. 总结

该论文将gan网络的思想引入目标跟踪，通过gan网络丰富模板的特征，使其不过于关注某一帧的特征，从而提升鲁棒性，在OTB数据集上取得了不错的效果(OTB2013: AUC-0.710, Prec-0.95, OTB2015: AUC-0.691, Prec-0.917)，但是在VOT数据集上，表现效果不佳

YSQ是我的
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
CVPR2018读文笔记：VITAL：VIsual Tracking via Adversarial Learning
Trasper1的博客
08-08 1690
CVPR2018一共有三篇用Adverarial思想做tracking的文章。VITAL和SINT++不约而同都是处于利用adverarial的概念对缺乏diversity的在线采集正样本进行增强。 本文是UC Merced 大神Ming-Hsuan Yang与腾讯的强强联合，推出的一篇性能比肩ECO和MDNet的online trained two-stage T-by-D tracker。本...
VITAL: Visual Tracking via Adversarial Learning 阅读笔记
aiqiu_gogogo的博客
04-18 6959
本文概览 本文是一篇很不错的关于目标跟踪算法的文章，收录于CVPR2018。 论文链接：https://arxiv.org/pdf/1804.04273.pdf 本文主要分析了现有的检测式跟踪的框架在模型在线学习过程中的两个弊病，即： ①、每一帧中正样本高度重叠，他们无法捕获物体丰富的变化表征； ②、正负样本之间存在严重的不均衡分布的问题； 针对上述问题，本文提出 VITAL 这个算法...
VITAL: VIsual Tracking via Adversarial Learning论文笔记
aaon22357的博客
07-29 913
<div class="markdown_views"> <h1 id="本文概览"><a name="t0"></a>本文概览</h1&am
CVPR2018跟踪算法VITAL的配置（VITAL: VIsual Tracking via Adversarial Learning）
博博有个大大大的Dream
04-23 526
工程介绍地址： https://ybsong00.github.io/cvpr18_tracking/index 代码下载地址： https://github.com/ybsong00/Vital_release 1、运行compile_matconvnet.m编译matconvnet 错误： vl_compilenn: CUDA: MEX config file: 'D:\Soft...
目标跟踪：VITAL: VIsual Tracking via Adversarial Learning代码运行
qq_22763299的博客
05-16 562
代码地址：https://github.com/ybsong00/Vital_release 程序入口：demo_tracking.m 主要问题： github上给出的matconvnet是作者修改过的，不完整的。因此运行demo_tracking.m时报错 解决方法： 将自己编译好的matconvnet复制到Vital代码下，使用作者给出的matconvnet部分代码替换自己编译好的m...
CVPR18读文笔记：SINT++：Robust Visual Tracking via Adversarial Postive Instance Generation
Trasper1的博客
08-08 2492
CVPR18一共出现了3篇将Adersarial概念应用于tracking，解决正样本弱的问题。VITAL是用了GAN，惊为天人。本文国产，索然性能不是最优，但是VAE+DRL+SINT的集大成之作，还是足够significant。 本文主旨： Improve the robustness of visual tracking through the generation of hard pos...
视觉追踪论文：基于孪生、生成对抗和分割
WHITElg的博客
11-18 1287
这篇博客是五篇论文的翻译和大概理解： Fast Online Object Tracking and Segmentation: A Unifying Approach VITAL: VIsual Tracking via Adversarial Learning Learning Discriminative Model Prediction fo...
目标追踪论文之狼吞虎咽(1):VITAL算法
樛木
06-13 3461
VITAL: VIsual Tracking via Adversarial Learning 一、摘要 当前已有的基于神经网络的目标追踪算法大都是基于这样一个两阶段框架： 先是在目标可能出现的位置附近找出一系列样本； 然后对这些样本进行分类，判断是属于目标还是背景。 由此会导致追踪算法在以下两个层面受到限制： 每一帧上的正样本在空间上高度重叠，难以捕获到大规模形变； 类不均衡：正...
CVPR 2018 VITAL:《VITAL: VIsual Tracking via Adversarial Learning》论文笔记
lch的博客
08-04 1108
  理解出错之处望不吝指正。   本文模型叫做VITAL。作者提到，当前使用DNN的trackers的性能受限于两方面：（1）.每一帧中的positive sample在空间上高度重叠，模型不能和好的捕获较好的appearance variations；（2）.positive sample和negative sample的数量及其不平衡。为了处理这两个问题，作者提出了使用对抗学习的VITAL模...
【小白笔记】目标跟踪VIVAT(Visual Tracking via Adversarial Learning)论文笔记
Tominute的博客
05-27 3157
目标跟踪VIVAT(Visual Tracking via Adversarial Learning)论文笔记 目标跟踪VIVAT(Visual Tracking via Adversarial Learning)论文笔记 1.主要贡献 2.主要思路 2.1对抗学习 2.2价值敏感损失函数 2.3跟踪流程 1.主要贡献 这篇文章是18CVPR的spotlight...
Learning Spatial-Aware Regressions for Visual Tracking 阅读笔记
aiqiu_gogogo的博客
12-16 4072
文章初步概览 1，OTB-100性能：精度——0.923，覆盖率——0.672； 2，VOT2017 比赛性能第一； 3，速度：1fps，没有实时； 4，开放代码：http://data.votchallenge.net/vot2017/trackers/24_LSART.zip； 主要方法及贡献 1，用将目标分割成部件的思想定义了新的求核相关值的方法，并将该方法融入到CNN中作为一个组件进行高效求
目标跟踪论文阅读笔记（一）Learning regression and verification networks for long-term visual tracking
melody96313的博客
11-06 1161
这一篇又是大连理工卢湖川教授团队的论文，所以我觉得应该质量挺高的，所以今天来阅读一下。 针对的是长期跟踪，经常会出现目标消失的情况（这个在短期跟踪里基本没有），然后又有可能重现回到视野内。 本文提出了的算法将一个基于匹配思想的回归网络V（通用的匹配函数，类似于siamfc）和分类网络R协同起来，回归网络主要来生成一些概率比较大（得分高）的候选区域，这个网络需要去学习到鲁棒，可以抵抗目标形变的特...
OTB 2013 使用教程
热门推荐
Shmilysi的博客
11-25 1万+
下载完benchmark后会看到在文件中包含4个.m文件，main_running.m、perfPlot.m、genPerfMat.m、drawResultBB.m 第一种： 1 把自己的算法放到benchmark的文件夹trackers中。 2 打开main_running.m文件，在14和16行 分别打开configSeqs.m文件和configTrackers.m文件。conf
知乎大神YaqiLYU关于tracking方向的2013-2016趋势总览！！！强烈推荐！！！
mini猿要成长QAQ
04-17 1万+
真真实实的学习tracking也有半年了，tracking的主流趋势年年改变，每年都有新的突破。从CT、IVT到struck，到TLD、到CF，再到火热的CNN也应用到了tracking领域。作为初入领域的学习者，需要在打好机器学习各种算法的基础上，了解每年顶级会议以及期刊中tracking的发展方向，尽力把握前沿动态。 下面是对知乎大神YaqiLYU的年年总结的转载，对于把握从2013年到20
OTB工具箱使用笔记
qq_33558872的博客
11-17 4454
https://blog.csdn.net/devil_08/article/category/7603797 这个教程已经很完美了，可以参考。
OTB 2013 使用教程（颜色判断）
sannianyihoushuma的博客
01-13 818
https://blog.csdn.net/shmilysi/article/details/53018899
VOT2013-2016论文的重点内容
Dr_destiny的博客
04-28 1339
写这篇文章，是给看完我之前的文章后想深入了解VOT的读者指一条路（文章链接VOT（Visual Object Tracking）评价指标综述）。因为VOT发展到现在，每年都会有相关的论文发表，笔者从2013年的文章读到2016年，感觉全部通读下来太累，所以在此把每篇论文（并非全部，主要是每年VOT Challenge Results的论文）最需要细读的地方罗列出来。个人认为把这些部分先看完，就可以...
otb 数据集评估代码注释
论文学习笔记-《Fast Online Object Tracking and Segmentation- A Unifying Approach》
04-16 2339
main_running.m
CVPR 2018 SINT++:《SINT++: Robust Visual Tracking via Adversarial Hard Positive Generation》论文笔记
lch的博客
08-04 1908
  理解出错之处望不吝指正。   本文用到了变分自编码VAE和强化学习DQN，我觉得很新颖。整体架构如下图：   首先，使用VAE来生成positive sample，如上图中右下角。   然后，使用HTPN网络将得到的positive sample变得更加hard，即：添加遮挡。那么问题就来了，（1）.我们要遮挡目标物体中的哪部分？（2）.用哪部分去遮挡（1）中的部分？   这两个问...
"斯坦福大学机器学习学习笔记：矩阵和向量运算综述
In the 2014 Stanford University machine learning mkv video lectures, Lecture 3 discussed the important concepts of linear algebra as they relate to machine learning. The lecturer, Andrew Ng, ...
评论
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