Jan, 2016

学习支持相关滤波器进行视觉跟踪

PDF
TL;DR本文提出了一种基于支持向量机模型的视觉跟踪算法，利用循环矩阵表达式和离散傅里叶变换优化迭代学习支持相关滤波器，其计算复杂度为 O (n^2*logn)，在多通道特征、核函数和自适应尺度方法方面进行了进一步优化，实验结果显示该算法较于当前最先进的跟踪方法更快、更准确。
support vector machinescirculant matrixvisual trackingcorrelation filtersiterative learning
发现论文，激发创造
  • 基于核化相关滤波的高速跟踪

    提出一种基于离散傅里叶变换的基于样本的辨别分类器优化方法，用于改进现代跟踪器并取得更好的结果。

    Apr, 2014

  • 用循环特征图进行大边界目标跟踪

    提出了一种高速物体追踪方法，同时结合多模态目标检测技术和反馈机制以提高目标追踪精度，基于两种特征表达方式验证了算法的强兼容性，实验证明该方法在挑战性测试序列中表现优异且每秒超过 80 帧。

    Mar, 2017

  • 学习空间正则化相关滤波器进行视觉跟踪

    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

  • 学习旋转的核相关滤波器

    本研究提出了一种改进的优化方法 RKCF，可减轻 Kernel Correlation Filters 在旋转方面性能下降的问题，在很多 OBT50 测试视频中获得了全面的精度提升及最小额外计算。

    Aug, 2017

  • 基于相关滤波跟踪的端到端表示学习

    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

  • 联合判别和可靠性学习的相关跟踪

    本文提出了一种新的基于相关滤波器的优化问题，联合建模区分度和可靠性信息用于视觉跟踪，其中包括滤波器的基本成分和可靠性项，以及局部相应一致性正则项以强调不同区域的平等贡献。实验结果表明，我们的跟踪器表现优于其他同类跟踪器。

    Apr, 2018

  • 学习基于背景感知的相关滤波器进行视觉追踪

    本文提出一种背景感知的基于关联滤波的目标跟踪算法，相比其他基于深度学习范式的跟踪器，经过多个跟踪基准的大量实验表明，我们的方法具有卓越的准确性和实时性，同时保持计算效率。

    Mar, 2017

  • 长短期记忆自适应相关滤波器用于目标跟踪

    提出了一种学习多个自适应关联滤波器的方法，同时具有目标外观的长期和短期记忆，以实现强大的物体跟踪，在大规模基准数据集上表现优异，尤其在效率、准确性和鲁棒性方面均优于现有的技术方法。

    Jul, 2017

  • 超越相关滤波器：学习连续卷积算子用于视觉跟踪

    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

  • 实时视觉跟踪：提高相关滤波器学习的鲁棒性

    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