目标跟踪
文章平均质量分 65
王弗兰克
Stay hungry,Stay foolish
展开
-
基于Deep Learning的跟踪算法总结(二)
本文主要谈谈TCNN(树状CNN)实现物体跟踪算法的大致流程和原理。论文:《Modeling and Propagating CNNs in a Tree Structure for Visual Tracking》,应该是投了CVPR2017。 论文地址:https://arxiv.org/pdf/1608.07242.pdf论文的大体方法请参考:https://zhuanlan.zhihu.c原创 2017-04-18 15:31:28 · 2687 阅读 · 0 评论 -
基于Deep Learning的跟踪算法总结(一)
博主最近主要关注使用深度学习的视频跟踪一系列算法,本文为学习笔记,仅供学习交流,如有侵权,请指出。原文:https://zhuanlan.zhihu.com/p/22334661No Free Lunch不同于检测、识别等视觉领域深度学习一统天下的趋势,深度学习在目标跟踪领域的应用并非一帆风顺。其主要问题在于训练数据的缺失。深度模型的魔力之一来自于对大量标注训练数据的有效学习,而目标跟踪仅仅提供第一原创 2017-04-03 22:30:14 · 10897 阅读 · 0 评论 -
目标跟踪算法的展望
本文是博主在学习目标跟踪过程中的个人看法和总结,欢迎借鉴和交流,如有错误,请留言指出。在学习的过程中,我一直在思考“跟踪”的本质究竟是什么?在“【VALSE前沿技术选介16-18期】Object Tracking新思路”中,王乃岩博士提出,跟踪的本质应该是verification,而不应该是目前主流的tracking by detection/classification,同时王博士也在论文中提到过原创 2017-05-03 11:18:43 · 2794 阅读 · 3 评论 -
基于Deep Learning的跟踪算法总结(四)
题外话:博主这段时间忙于办理签证,比较忙,一直没时间看论文。:-(一、引言深度学习具有强大的能力,但由于目标跟踪任务本身的特殊性,深度学习一直没能很好地发挥出自己的潜能。其中,导致深度学习算法速度慢的一个重要原因是online-update,即更新过程中的反向传播。那么,于是就人提出,是否可以不进行在线更新呢?而只在线下训练,测试时只进行前向的一次传递,这样的速度是很快的。二、How注意,本文不详细原创 2017-05-27 17:19:52 · 2239 阅读 · 0 评论 -
论文阅读《Re3: Real-Time Recurrent Regression Networks for Object Tracking》
该论文是华盛顿大学人工智能研究院的文章。本博文是博主学习论文过程中的一些理解和看法,仅供学习和交流。如有疑问,欢迎留言。论文链接:https://arxiv.org/abs/1705.06368 论文源码暂时没有放出。这是CVPR2017放出来之前,跟踪领域的又一篇新颖之作。文章思路并不复杂,网络结构是CNN+两个LSTM,其中CNN负责学习物体的appearance feature,第一个LST原创 2017-05-21 16:31:09 · 4046 阅读 · 4 评论 -
基于Deep Learning的跟踪算法总结(三)
本文是博主对最近看的相关跟踪算法的总结,其中的算法有一些不是基于深度学习的。另外本文只是对各篇论文的核心亮点简单描述,同时加上博主自己的一些看法。本文仅作为学习笔记,供学习交流,如果有什么错误或疑问,欢迎留言。知乎:王弗兰克 https://www.zhihu.com/people/xue-sheng-er-yi/activities这里提供两个链接,供大家学习参考。 目标跟踪专栏(目原创 2017-04-18 16:43:32 · 17461 阅读 · 1 评论