![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习跟踪
文章平均质量分 63
阳光杨
这个作者很懒,什么都没留下…
展开
-
ACFN:Attentional Correlation Filter Network for Adaptive Visual Tracking-ACFN
本文将多种处理不同属性(目标漂移、模糊、遮挡、尺度变化和纵横比改变)的滤波器当作一个集合 ,并且提出了一种新的跟踪框架,该框架利用一种注意力机制去选择相关联的相关滤波器的子集,以增加鲁棒性和计算效率,滤波器子集由深度注意网络根据跟踪目标的动态特性自适应地选择。当目标发生遮挡时,就选择对处理遮挡具有鲁棒性的跟踪器,但尺度改变时,就选择可以自适应尺度的滤波器ACFN提出的原因:现有的基于深度学习的跟踪器,达到了很高的鲁棒性和准确性,但是需要经常微调网络以了解目标的外观,所以导致速率很慢,无法达到实时跟踪的要求原创 2022-06-01 18:25:30 · 385 阅读 · 0 评论 -
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 · 779 阅读 · 0 评论