复现Transformer Meets Tracker: Exploiting Temporal Context for Robust Visual Tracking 遇到的一些问题

复现Transformer Meets Tracker: Exploiting Temporal Context for Robust Visual Tracking 遇到的一些问题

1.训练数据集分两种格式

1.1. 检测格式

• 这个格式一张图片等同一个序列, 然后采样应该需要序列时序关系的网络 ,所以一次采样3张都是同一张同一个bbox

1.2. 跟踪格式

• 数据有最短限制, 不能为1 , 唯一的话无法采样 会报错
  • 什么range (0,0,0) 的错误

2.将跟踪器应用到更加困难的场景

2.1.场景一定要足够复杂, 且数据量要大, 不然序列容易过拟合

• 这个我还有一些问题

• Q 是否可以整合自己的数据集和现有数据集, 作为训练集来避免过拟合?

3.单目标跟踪的定义

跟踪任意类别 任意场景下的给定目标的轨迹.可能的挑战有

• Illumination Variation,Scale Variation,Occlusion,Deformation,Motion Blur,Fast Motion,In-Plane Rotation(跟踪目标旋转),Out-of-Plane Rotation(跟踪目标旋出了场景),Out-of-View,Background Clutters,Low Resolution

3.1. 跟踪难题

要跟踪的目标物体 和背景物体高度相似 , 且目标之间有交互

4.其他

过拟合一般原因

1. 数据集量过小

过拟合场景solution

1. 正则化,dropout,eary stop ,
2. 集成学习(用简单的模型 来解决这个问题)
3. 扩充数据集
4. 减少网络层数,降低网络复杂度
5. 数据增强
   • 就是通过flip , crop,rotate ,make it gray 等方式变出不同的图像 ,扩充原有数据集