![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
目标跟踪
文章平均质量分 57
Selina_Zeng
这个作者很懒,什么都没留下…
展开
-
剖析Condensation算法
最近,学习IVT(Incremental VisualTracking)目标跟踪算法时,细致地学习了Condensation算法,现将其用法进行剖析。 谈Condensation算法前先啰嗦下IVT,其主要思想:用一组随机且带权重的粒子(一组仿射参数)使跟踪框动态跟踪目标,利用不同粒子对应跟踪内容与目标差异作为更新权重的重要依据,权重最大的粒子跟踪内容与目标最相似,完成跟踪。其中,粒子跟踪内原创 2014-03-18 11:45:17 · 3736 阅读 · 1 评论 -
DLT(deep learning tracker)解析
视觉跟踪方法:dlt(deep learning tracker)着实火了一把,它应该可以代表2013跟踪领域的state-of-art。最近对其进行了仔细的研究,现按照框架、核心思想、展望进行“深度解析”。 框架 整个算法还是在主流的PF(particle filter)概率框架下进行。简要总结下:PF包括三个部分:drift--diffuse--measure 其目标是从原创 2014-04-04 11:49:11 · 7698 阅读 · 0 评论 -
DLT(deep learning tracker) 2次分析
dlt利用1million样本用9层的稀疏自编码机进行线下训练的过程暂不讨论。重点放在,当用稀疏自编码机的encoder部分+sigmoid层的几次训练。 1.第一帧时,对encoder+sigmoid层进行初次训练时,自采样110个样本(10个正例样本、100个负例样本),采用前向网络、BP算法、梯度下降算法等进行训练实质:进行批梯度下降算法。学习速率(步长)rate=0.01;梯度的原创 2014-04-09 15:56:08 · 2086 阅读 · 0 评论