MILTrack学习1——摘要
来源:互联网 发布:windows 7旗舰 编辑:程序博客网 时间:2024/05/16 15:06
(1)在线多示例学习的鲁棒性目标追踪(MILTrack)—摘要
《Robust Object Tracking with Online Multipe Instance Learning 》是Babenko发表在IEEE上的一篇关于目标追踪的经典论文。作者在他原有论文《Visual Tracking with Online Multipe Instance Learning》的基础上稍加修改后发表出来的。主要的内容改动不大,主要是添加了尺度处理和实验比较。这篇博客是对《Robust Object Tracking with Online Multipe Instance Learning 》的分析理解。
这一篇算是比较旧的论文了,现在之所以拿出来在这里进行分析,主要是因为我最近想写一篇与MILTrack有关的论文,所以请给各位大神勿喷。
同时,在这里详细写下自己对这篇论文的理解,一方面是为了能回顾,二是希望网上的大神们多指点下我这个菜。
废话不多说,现在直入主题。
一、摘要部分:
要处理的问题:在给定第一帧图像中目标的位置或者更少的信息后,如何实现目标追踪。
已有的方法之一:Tracking By Detection。该方法主要是在线训练有判别能力的分类器classifier,将目标从背景中分离出来,这样的分类器根据当前追踪器的状态state自举地(Bootstrap)从当前帧图像中抽取正负样本(实际上这是一种有监督的学习方法)。但是这样的做法就会产生有杂质的样本,从而导致漂移现象(就是追踪失误),降低分类器的性能。
作者的方法:针对上面的问题,作者引入MIL(Multipe Instance Learning )方法取代传统的有监督学习,以便产生鲁棒性更强参数设定更少的追踪器。基于此,作者又提出了在线MIL算法以便提高实时追踪性能(这是在线MIL算法是本论文的核心所在)。
作者目的就是为了提高目标追踪过程中既能较为准确地跟踪到目标,又能实现追踪过程中实时运行。
为了凸显作者方法的优势,论文中做了定性和定量的分析。
在摘要部分,作者已经提到了Bootstrap、MIL以及在线学习方法,这些是本论文的基础。
更多分析见后续章节。
- MILTrack学习1——摘要
- MILTrack学习
- MILTrack学习2-介绍部分
- MILTrack学习3--自适应外观模型
- 黑马程序员—OC学习摘要
- Hibernate学习摘要(1)
- thinkPhp学习摘要1
- 计算机网络 学习摘要(1)
- Eclipse学习摘要-1
- C++学习摘要记录(1)
- effect java 学习摘要(1)
- VC学习摘要1——关于windows程序的一般原理
- 《软件调试的艺术》学习笔记——GDB使用技巧摘要(1)
- 学习JSTL摘要2——CORE库
- Apache sdo学习笔记(五)——变更摘要
- 《算法导论》学习摘要chapter-6——堆排序
- 《算法导论》学习摘要chapter-6——优先队列
- 《算法导论》学习摘要chapter-7——快速排序
- PDO简单操作
- 固态硬盘和机械硬盘的区别
- QT进程间通信介绍
- Android 发送广播
- 数据结构与算法之表、队列、栈
- MILTrack学习1——摘要
- opencv中分水岭算法--cvWatershed
- 小递归
- javascript页面判断标题是否为空
- QProcess机制分析
- 第一个项目全过程
- Nginx配置文件nginx.conf中文详解(总结)
- 【Python】异常
- jlink v8 重新烧录解决不识别usb,灯不亮的问题