先附上论文的链接 点击https://arxiv.org/abs/1604.01802打开链接
GOTURN: Generic Object Tracking Using Regression Networks
GOTURN这个方法有如下的特点和优势:
-
Offline Training:利用了大量数据离线训练的优势
-
Generic Object Tracking:跟踪未见过的类别样例,对特定类别样例的跟踪效果更好
-
Avoid Online Fine-turning:以获取100FPS的速度
-
Regression-based Approach:不对patch进行classification,而是对object的bounding-box进行回归,以获得更高的FPS
-
算法性能:对遮挡敏感,但是对视角、形变、光照变化具有鲁棒性。
算法框架
整个算法的框架其实非常简单:利用视频或图片的目标bounding box labels,训练一个神经网络来跟踪目标。在测试 时,输入当前帧和前一帧进入网络,输出当前帧bounding-box的新位置。
输入输出
what to track 以前一帧的目标区域为中心扩展(以接受一些背景信息),crop and scale出来bounding box。crop使得网络接收一些目标周围背景的上下文信息。
更进一步说:在第帧,Tracker预测的bou