目标跟踪“Siamese Instance Search for Tracking”
来源:互联网 发布:毕加索美工钢笔推荐 编辑:程序博客网 时间:2024/06/05 20:55
使用siamese深度网络,no model updating, no occlusion detection, no combination of trackers, no geometric matching,达到state-of-the-art的水平。
论文旨在学习匹配机制,从大量的外部视频学习先验的匹配函数,训练视频与测试视频没有交集,在学习过程中关注广义目标外形变化。在跟踪过程中目标不变,不进行跟踪器组合和遮挡处理,跟踪算法如下所示,在新出现的帧中找与原始图像块最匹配的图像块:
相关工作
最早的跟踪方法是NCC,简单有效,TLD还在用;
Lucas&Knande在匹配函数中添加了仿射变换;
MST使用概率匹配;
其他方法:MEEM,RANSAC-based,MUSTer
深度学习;
实例搜索:再认证,本文的思想类似这个思路;
Siamese实例搜索跟踪器
使用Siamese结构包含两个分支,分别处理两个输入,对于每个分支,使用VGGNet和AlexNet对比,跟踪问题对离散化比较敏感,作者去掉了比较多的池化层,如下图所示:
考虑到跟踪中匹配的框有很多交叠的,使用了ROI pooling层进行加速,ROI池化将特征图转换为固定长度的表示。低层的特征分辨性比较强,高层的特征概括性比较强,作者使用了二者的综合特征。在跟踪中,query图像和search图像没必要紧邻。匹配过程中,根据匹配函数找到最佳匹配框:
实验结果
在OTB上的实验结果对比
0 0
- 目标跟踪“Siamese Instance Search for Tracking”
- 论文阅读笔记-Siamese instance search for tracking
- 论文阅读笔记-Siamese instance search for tracking
- 论文阅读笔记-Siamese instance search for tracking(转)
- 物体跟踪-Fully-Convolutional Siamese Networks for Object Tracking
- 目标跟踪 Object tracking
- Fully-Convolutional Siamese Networks for Object Tracking
- 目标跟踪“Staple: Complementary Learners for Real-Time Tracking”
- 目标跟踪算法--Staple: Complementary Learners for Real-Time Tracking
- 目标跟踪之ECO:Efficient Convolution Operators for Tracking
- Visual Tracking with Online Multiple Instance Learning (MIL)目标跟踪论文笔记
- Learning by tracking:Siamese CNN for robust target association
- 目标跟踪学习系列五:Real-time visual tracking via online weighted multiple instance learning(WMIL)学习
- 目标跟踪学习系列二:semi-supervised online boosting for robust tracking 阅读
- 目标跟踪系列二:Staple: Complementary Learners for Real-Time Tracking(2016CVPR)
- 目标跟踪系列三:ECO: Efficient Convolution Operators for Tracking(2016年11月)
- 目标跟踪算法五:MDNet: Learning Multi-Domain Convolutional Neural Networks for Visual Tracking
- ECO: Efficient Convolution Operators for Tracking视频目标跟踪论文笔记(PPT版)
- Servlet实现文件上传,可多文件上传
- 浮动元素问题
- PCI Express
- javascript 事件
- MyCat快速入门指南
- 目标跟踪“Siamese Instance Search for Tracking”
- Android 代码规范
- Jquery给Div赋值
- [Python]网络爬虫(七):Python中的正则表达式教程
- 自己写bootloader笔记3---init.c分析
- Docker cpu memory quota使用说明
- 如何给 Web 服务器 Apache 和 Nginx 创建新的环境变量
- C++求斐波那契数列的第n项
- JAVA并发编程学习笔记之AQS源码分析(超时、中断与其他)(r)