具有有限边界的相关滤波器
本文是第一篇将相关滤波器作为可微分层在深度神经网络中进行应用的研究工作,该方法可以学习与相关滤波器紧密耦合的深度特征,实现高帧率状态下轻量级架构实现最新性能。
Apr, 2017
本文介绍一种新的零混淆约束,完全消除了圆形相关性在时间 / 空间域中的混淆问题,从而将之前的 CF 设计显著优化,展示了几个 CF 的实验结果,并提出了与计算这些 CF 相关的计算挑战的解决方案。
Nov, 2014
介绍了 Spatially Regularized Discriminative Correlation Filters (SRDCF) 算法用于解决缺乏训练数据的视觉追踪问题,并且提出了一种空间正则化组件,能够更高效地学习目标外观模型。在四个基准测试数据集上进行了实验,优于已有最佳追踪器,并在 OTB-2013 和 OTB-2015 中获得了较高的平均重叠精度。
Aug, 2016
本文提出了一种新的 DCF 跟踪方法,通过自适应的空间特征选择和时间一致性约束实现联合空间时间滤波器学习,在更低维的判别性流形中学习具有历史约束的滤波器,并提出了统一的优化框架来联合选择特征和学习判别性滤波器,并在多个公共数据集中进行了实验,结果表明该方法优于基准的跟踪方法。
Jul, 2018
本研究提出了三种稀疏度相关的损失函数,通过利用滤波器响应的各向异性提高相关滤波学习的鲁棒性,从而实现了三种实时跟踪器。大量实验证明了所设计的损失函数显著提高了相关滤波的鲁棒性,并揭示了不同损失函数对跟踪性能的影响,从而为设计鲁棒的相关滤波器提供了实用参考标准。
Aug, 2016
本文提出了一种训练连续卷积滤波器的新方法,通过使用隐式插值模型将学习问题放在连续空间域中,实现了多分辨率深度特征图的高效整合,从而在三个物体跟踪基准测试中均取得了优异的结果。此外,我们提出的方法具有亚像素定位功能,可用于准确特征点跟踪任务。
Aug, 2016
我们提出了一种新的 constellation 模型配合相关滤波器的公式,用于追踪目标并处理非刚性物体变形和自遮挡问题。我们设计了两个级别的模型来逼近目标位置,经过高难度测试表明本方法能达到最先进表现且实时运行。
May, 2016
本篇文章介绍了带有空间和通道可靠性概念的建议学习算法的判别相关滤波(DCF)跟踪,其在跟踪非矩形对象和扩大搜索区域方面表现出色。通过基于两个简单标准特征,HoGs 和 Colornames,CSR-DCF 方法在 VOT 2016、VOT 2015 和 OTB100 方面取得了最先进的结果,并可以在 CPU 上实时运行。
Nov, 2016
本文提出了一种新的 1D 边缘相关滤波器以应对视觉跟踪中的纵横比变化,并将其与 2D 中心相关滤波器相结合形成 IBCCF 模型,实验结果表明其具有良好的效果。
Oct, 2017