![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
visual tracking
godloveljw
fighting for ......
展开
-
阅读笔记1:fast tracking via spatio-temporal context learning
本文是香港理工大学Kuaihua Zhang的一篇跟踪文章,发表在2014ECCV上,其突出贡献就是快,达到了350fps。传统的跟踪算法大多是利用时序信息即图像的前后帧的位置信息做预测,而本文则是融合目标的空间的信息,例如,跟踪过程中目标的背景信息是缓慢发生变化的,目标在背景中的空间位置与空间信息有很大关联,这就是文章中最大的创新点。其利用目标特征非常之简单(intensity and loca原创 2016-05-23 22:50:43 · 3001 阅读 · 0 评论 -
阅读笔记2:robust visual tracking via convolutional networks without training
本文是kuaihua zhang研究团队发表在2016TIP上的一篇文章,提出了一种不需要pre-training的卷积神经网络模型跟踪框架(CNT),与传统的基于深度学习的方法相比,本算法不需要大量的数据预训练模型,其次是该神经网络只有两层卷积,结构较为简单,效率高达到5fps(vs DLT 1.5s/f)。通过两层的神经网络在线学习目标鲁棒表达。框架流程如下:step1:第一帧图像标定原创 2016-05-24 14:32:54 · 3055 阅读 · 9 评论 -
视觉目标跟踪大牛主页
1、好的blog简单生活FFBFCAT-计算机视觉2、论坛视觉计算研究论坛卓卓研究小组CCF推荐排名3、关注的CV大牛网页Ming-Hsuan Yang 大牛级人物,很多目标跟踪的的顶级paper都有挂名卢湖川 大连理工的教授,Superpixel Tracking就是卢老师和Ming-Hsu转载 2016-05-25 12:10:58 · 2625 阅读 · 0 评论 -
阅读笔记3-FCNT:Visual Tracking with Fully Convolutional Networks
本文是发表在2015 iccv上的一篇关于用CNN做目标追踪:本文主要贡献有两个Contribution 1:探索来自不同层的CNN特征表达目标属性中区别和联系Contribution 2:选取不同CNN层的特征,并将其”稀疏化“(通过tiny convolution neutral network实现),得到更有discrimination的特征用于追踪。下面分别介绍这两部分工作:原创 2016-06-20 13:55:44 · 5937 阅读 · 4 评论 -
阅读笔记4:CSK:Exploiting the Circulant Structure of Tracking-by-detection with Kernels
本文是ECCV 2012一篇文章,是利用循环矩阵做目标追踪的里程碑文章,重点着眼于如何利用circulant 结构做目标跟踪以及背后的理论依据。传统跟踪算法是根据当前帧目标位置,然后采样正,负样本,一般情况下离目标比较远的判定为负样本,离目标比较近的判定为正样本。由于考虑到实时跟踪的要求,为了减少计算量采用random sample样本,虽然这样降低了计算量但是对最终的分类器性能会有一定的影响原创 2016-09-13 11:38:49 · 1665 阅读 · 0 评论 -
GOTURN-(达到100FPS的深度学习跟踪算法代码)
本代码是基予caffe的linux的, 安装好caffe之后需要编译GOTURN代码,在编译过程中会出现如下错误:fatal error: caffe/proto/caffe.pb.h: No such file or directory#include "caffe/proto/caffe.pb.h"解决方法:用protoc从caffe/src/caffe/proto/caf原创 2017-02-20 05:37:14 · 3363 阅读 · 2 评论