目标跟踪/自监督学习
文章平均质量分 92
本专栏主要是搜寻一些自监督学习与目标跟踪相结合的文章。
石语H
这个作者很懒,什么都没留下…
展开
-
Self-Supervised Deep Correlation Tracking
Abstract特征提取网络的训练通常需要大量的人工标注的训练样本,这使得训练过程是一个耗时且昂贵的过程。因此,本文提出了一种基于深度相关框架的有效自监督学习跟踪器(self-SDCT)。基于鲁棒跟踪器的前后向跟踪一致性,本文提出了一种多周期一致性损失作为自监督信息,用于从相邻视频帧中学习特征提取网络。在训练阶段,我们在Siamese相关跟踪框架下,通过前后预测生成连续视频帧的伪标签,并利用提出的多周期一致性损失学习特征提取网络。此外,本文还提出了一种相似性丢弃策略,可以丢弃一些低质量的训练样本对,并在原创 2021-03-24 19:01:48 · 706 阅读 · 2 评论 -
MAST: A Memory-Augmented Self-Supervised Tracker
Abstract近年来,人们对自监督密集跟踪的研究取得了很大的进展,但其性能与监督方法仍有很大的差距。我们提出了一个在视频上训练的无注释的密集跟踪模型,该模型在现有的基准上比以前的自监督方法有显著的优势(+15%),并且达到了与监督方法相当的性能。在本文中,我们首先通过深入的实验来重新评估用于自我监督训练和重建损失的传统选择,最后阐明最优选择。第二,我们通过使用关键的内存组件来增强我们的体系结构,从而进一步改进现有的方法。第三,以大规模半监督视频对象分割(aka)为基准。密集跟踪),并提出了一个新的度量原创 2021-03-08 21:48:15 · 1115 阅读 · 1 评论