Multi-Object Tracking with Quadruplet Convolutional Neural Networks
来源:互联网 发布:东西的知乎 编辑:程序博客网 时间:2024/05/22 08:22
来源:CVPR2017
创新点:
本文为MOT提出了四元卷积神经网络(Quad-CNN),使用四元损失(quadruplet losses)跨帧关联物体检测。所提出的网络为进行数据关联考虑目标的外观和他们的时间邻接关系。不像传统的ranking losses,这一四元损失强制执行一个附加约束,该约束使得时间临近的检测位置较具有很大时间间隔的位置更近。本文使用一个multi-task loss来联合学习目标的association,为使定位更加精准,使用bounding box回归。整个网络是端到端进行训练的。对于跟踪而言,目标关联是通过使用从所提网络中学习得到的度量(metric),最小化极大值(minimax)标签传播的方式进行。
贡献:
①提出一种深度神经网络的四元结构(Quad-CNN)来学习多目标跟踪的目标关联。在学习的时候,Quad-CNN联合了检测结果的外观和特定序列中能够感知运动的位置。
②使用一种multi-task loss来联合学习目标关联和Bbox回归,整个的网络在一个统一的框架中被端到端的训练。
③采用一种修改过的minimax label propagation算法来做快速且鲁棒的数据关联。
阅读全文
0 0
- Multi-Object Tracking with Quadruplet Convolutional Neural Networks
- Learning Multi-Domain Convolutional Neural Networks for Visual Tracking 笔记
- Learning Multi-Domain Convolutional Neural Networks for Visual Tracking
- MDNet: Learning Multi-Domain Convolutional Neural Networks for Visual Tracking
- earning Multi-Domain Convolutional Neural Networks for Visual Tracking
- Weakly Supervised Object Recognition with Convolutional Neural Networks
- Object Detection from Video Tubelets with Convolutional Neural Networks
- Weakly supervised object recognition with convolutional neural networks 论文解读
- 【计算机视觉】《Learning Multi-Domain Convolutional Neural Networks for Visual Tracking》
- 论文笔记《Learning Multi-Domain Convolutional Neural Networks for Visual Tracking》
- 论文阅读笔记-learning multi-domain convolutional neural networks for visual tracking
- 目标跟踪算法五:MDNet: Learning Multi-Domain Convolutional Neural Networks for Visual Tracking
- 论文原创笔记:Learning Multi-Domain Convolutional Neural Networks for Visual Tracking
- Learning Multi-Domain Convolutional Neural Networks for Visual Tracking CVPR 2016 阅读笔记
- 深度学习笔记(一):Learning Multi-Domain Convolutional Neural Networks for Visual Tracking
- Fully-Convolutional Siamese Networks for Object Tracking
- Visual Tracking with Fully Convolutional Networks 笔记
- 跟踪“Visual Tracking with Fully Convolutional Networks”
- STM32F4第一个工程的建立 标准库版本 (不是HAL库)
- 1365:E. 最大连续子序列和 (改编)
- JS判断是PC还是移动端浏览器,并根据不同的终端跳转到不同的网址
- Java学习这一部分其实也算是今天的重点
- 【莫比乌斯反演】BZOJ2820 YY的GCD
- Multi-Object Tracking with Quadruplet Convolutional Neural Networks
- Easyui-树(Tree)
- 第二章 类与对象2
- MYeclipse 快捷鍵大全
- 构建单页面应用
- 线程的状态
- 关于半衰期
- JQuery(4)---使用mousedown和mouseup简单判断鼠标按下与释放位置是否相同
- linux — 进程PCB详解