Multiple Hypothesis Tracking Revisited
来源:互联网 发布:飞行堡垒win10优化 编辑:程序博客网 时间:2024/06/06 01:37
来源:ICCV2015
创新点:
本文提出了一种新颖的MHT方法,该方法包括长期的外观建模,使用来自深度神经网络的特征,证明了经典的MHT能惊人的接近state-of-the-art的方法。为充分利用MHT在开发高阶信息的长处,对于每个跟踪假设,引入一种在线训练外观模型的方法。外观模型可以通过正则化的最小二乘法有效地学习,对于每个假设分支只需要一点额外的操作。
MHT是一种经典的算法,该算法建立a tree of potential track hypotheses for each candidate target,因此可以为数据关联问题提供一个系统的解。每条轨迹的可能性被计算,并且轨迹中最有可能的连接被selected。更为重要的是,MHT可使用高阶信息(如long-term motion and appearance model),因为整个跟踪假设可以在计算相似性的时候被考虑进来。
MHT在雷达跟踪领域非常popular,然而在visual tracking问题上,往往被看作是太慢或者内存受限,为达到practical,需要many pruning tricks,应用还是蛮受限的。而如今,由于tracking-by-detection的方法和effective feature representations的发展,为MHT方法创造了新的机会。
一般,MHT方法建立a hypothesis tree over several frame and aims to find the optimal assignment after heuristic pruning.
- Multiple Hypothesis Tracking Revisited
- ICCV 2015 Multiple Hypothesis Tracking Revisited 阅读笔记
- CVPR 2017 Enhancing Detection Model for Multiple Hypothesis Tracking 阅读笔记
- Multiple Objects Tracking
- Multiple Object Tracking Benchmark
- Multiple Object Tracking Benchmark
- Motion-Based Multiple Object Tracking
- 基于Multiple instance learning的visual tracking
- Motion-Based Multiple Object Tracking阅读
- Joint Tracking and Segmentation of Multiple Targets
- Multiple outputs from T4 made easy revisited (T4 输出多个文件)
- 多目标跟踪指南(Reference Guide-Multiple Object Tracking)
- Tracking metrics for both multiple targets and single target
- READING NOTE: Joint Tracking and Segmentation of Multiple Targets
- Visual Tracking with Online Multiple Instance Learning读书笔记
- Target Identity-aware Network Flow for Online Multiple Target Tracking
- Multiple People Tracking by Lifted Multicut and Person Re-identification
- 多目标跟踪综述 Multiple Object Tracking: A Literature Review
- 发发久贴吧顶贴、抢楼、推广工具箱
- 1.北京理工大学Python与机器学习-绪论
- jstl标签
- Python——简单的A+B#虽然我觉得并不简单
- 欢迎使用CSDN-markdown编辑器
- Multiple Hypothesis Tracking Revisited
- Sum Problem
- 网页文本自动换行问题
- 2.sklearn库安装
- 1039. 到底买不买(20)--python
- 活动报名:12月3号下午上海Linuxer聚会下午茶交流
- invalid LOC header (bad signature) maven
- Learning to Divide and Conquer for Online Multi-Target Tracking
- linux命令