![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
目标跟踪
文章平均质量分 75
阳光杨
这个作者很懒,什么都没留下…
展开
-
DCFnet:Discriminant Correlation Filters Network For Visual Tracking
本文利用孪生网络模型进行目标跟踪,并且将DCF作为一个特殊的相关滤波器层加入到卷积层后面,并在傅里叶频域中推导出其反向传播公式,所以既可以保证DCF独有的高速运算,又可以实现端到端的跟踪;本文主要有两个优点:自动学习最适合DCF跟踪的特征,从而使特征提取器与相关滤波器有效结合。如下模型:首相,提取当前t帧的特征x,并且计算出滤波器系数,然后将t+1帧的搜索窗口输入到网络,提取特征z,根据滤波器系数计算出响应图,得到最优位置和尺度,接着根据最优位置和尺度,继续学习更新滤波器系数,如此反复..原创 2022-05-03 17:55:21 · 787 阅读 · 0 评论 -
AutoTrack-CVPR2020
问题引出:大多数现有的基于判别相关滤波器(DCF)的跟踪器试图引入预定义的正则化项来改善目标对象的学习,例如SRDCF在正则化项上引入了一个空间权重矩阵去惩罚目标区域外的滤波器系数,STRCF通过引入了时间正则化项使得滤波器可以在异常发生时(如遮挡)被动更新。由于这些正则项的引入,需要提前预定义很多的超参数,但是经过很多努力,这些超参数的微调仍然不能适应设计者没有想到的新情况。本文创新点:1,同时利用隐藏在响应图中的局部和全局信息,提出了一种新的时空正则化项2,开发了一种新的基于DCF的跟踪原创 2022-04-22 09:27:00 · 4482 阅读 · 1 评论 -
ARCF:Learning Aberrance Repressed Correlation Filters for Real-Time UA V Tracking
本文是运用于UAV跟踪的一篇文章, 并且以BACF为基准,首先作者论述了BACF的工作原理,是通过扩大搜索区域,使更多的背景信息去训练滤波器,并且利用剪切矩阵将目标从背景模板中剪切出来,从而提高样本质量以及提高计算速度,但是也因此引入了很多背景噪声,连同目标遮挡或光照变化等一些挑战因素,从而导致检测过程中可能会出现目标定位异常。针对上述问题。本文提出一种异常抑制相关滤波器,是通过在训练阶段就去抑制异常发生的一种滤波器,通过在BACF目标函数的基础上引入一个表示前后两帧响应图差别的欧几里得范数,M1和M2原创 2022-04-17 10:13:20 · 951 阅读 · 0 评论 -
CSR-DCF:Discriminative Correlation Filter Tracker withChannel and Spatial Reliability
DCF的标准公式使用循环相关,这允许通过快速傅立叶变换(FFT)有效地实现学习。然而,FFT要求滤波器和搜索区域大小相等,这限制了检测范围。由于循环移位特性,滤波器在包含不现实的、环绕循环移位的目标的许多模板山被训练。减少开窗问题的一种简单方法是从更大的区域学习滤波器。然而,由于该区域中的大面积背景,DCF的跟踪性能显著下降。...原创 2022-04-10 12:00:00 · 1751 阅读 · 0 评论 -
MCCT:Multi-Cue Correlation Filters for Robust Visual Tracking
许多基于相关滤波的跟踪算法通过融合多种类型的特征取得了令人印象深刻的性能,然而,它们中的大多数未能充分探索所采用的多种特征之间的上下文以及它们的之间的联系,所以本文提出了一种多线索联合策略,它是通过组合各种不同类型的特征,然后通过传统DCF的方式构造多expert,每个expert独立的跟踪目标,然后根据一种评价策略,选择出跟踪性能最优的expert。(我认为每个expert相当于一个滤波器)主要贡献如下:1,提出了一种保持多线索跟踪的算法。通过仔细检查多个专家的鲁棒性得分,在每一帧中选择可靠的专家原创 2022-04-05 17:36:22 · 2944 阅读 · 0 评论 -
Staple:Complementary Learners for Real-Time Tracking
本篇论文作者从特征互补的角度出发,通过分析HOG特征对运动模糊和光照变化鲁棒,对形变不够鲁棒,而颜色直方图对形变鲁棒,毕竟目标发生形变并不影响其颜色的分布,但是颜色直方图对光照变化及模糊不够鲁棒,所以作者将这两种特征进行优势互补。原创 2022-04-03 15:48:39 · 441 阅读 · 0 评论 -
(FFT)快速傅里叶变换在目标跟踪中的运用
随着科学技术的不断发展,许多用于加快计算速度的算法应运而生,快速傅里叶变换就是其中之一,快速傅里叶变换是傅里叶变换的一种快速计算方式。傅里叶变换在科学研究中运用非常广泛,刚开始出现时,主要用于信号分析与处理,通过将信号从时域转换到频域,可以很好的表示复杂的信号。此外,它还可以用于图像处理中,将一张图片进行傅里叶变换后将表示这张图片各个像素的梯度大小。还可用于目标跟踪,快速傅里叶变换可以高效的进行卷积运算和相关操作,其中基于相关滤波的目标跟踪已经成为计算机视觉跟踪领域的一大模块,具有举足轻重的作用,本文将首先原创 2022-04-09 10:40:54 · 5558 阅读 · 3 评论