樛木

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...

最近看STRCF算法，这是一个克服遮挡和大幅形变的实时视觉追踪算法。这篇论文的主要贡献如下： 通过将空间和时间正则化纳入 DCF 框架，提出了 STRCF 模型。基于在线 PA 的 STRCF 不仅可以合理地逼近多幅训练图像上的 SRDCF 形式，而且在较大的外观变化情况下比 SRDCF 具有更强的鲁棒性。 为高效求解 STRCF，开发了一种 ADMM 算法，其中每个子问题都有封...

一、创新点 作者提出，单一追踪器的性能不够稳定，而从多个追踪器的决策层得出的融合结果可以有效地提高鲁棒性。因此，作者提出一个基于多线索相关滤波的追踪算法（MCCT），文章的主要贡献如下： 提出了一个可以保留多条线索的追踪算法，在每一帧中算法在众多专家中挑选出一个最可靠的专家结果； 考虑到多个专家存在分歧，作者提出一个自适应更新策略，可以有效区分不可靠样本（如遮挡或大幅度形变）从而减轻训练样本...

一、摘要 作者将一个图像块（image patch）看做是一个保留了原始图像结构的二阶张量，然后设计了两个图来描绘目标和背景所在的张量样本中固有的局部几何结构，从而构建一个判别式嵌入空间。此外，作者提出了两种思路用来寻找原始张量样本到基于张量的图嵌入空间的变换矩阵。为了能够在嵌入空间编码出更多的判别信息，作者提出了基于迁移学习的的半监督策略，用以交替调整嵌入空间使得其在之前获得的判别信息得到迁移...

一、写在前面 参考：https://www.cnblogs.com/bentuwuying/p/8186364.html 简介：全连接孪生网络(siamese network)是一种相似性度量方法，适用于类别数目多但是每类的样本数少的分类问题。 代码：https://github.com/Shicoder/DeepLearning_Demo/tree/master/siamese_tf_mn...

git链接：https://github.com/torrvision/siamfc-tf管理员身份运行Anaconda Prompt（我的是py36版本）安装virtualenv，其用来为一个应用创建一套“隔离”的Python运行环境。pip install virtualenv cd 新项目目录 E: cd E:\pyProject用命令virtualenv创建一个独立的Python运行环境，...

win10安装tensorflow-gpu 系统配置：win10+vs2017+py36 安装cuda9.2：base installer+patch1(补丁)都下载下来 https://developer.nvidia.com/cuda-downloads?target_os=Windows&target_arch=x86_64&target_version=10&...

一、安装MatConvNet 下载地址：http://www.vlfeat.org/matconvnet/ 解压后添加路径到matlab， cd 解压路径 addpath matlab 测试： >> vl_compilenn 报错： 错误使用 vl_compi