Nov, 2016

具有通道和空间可靠性的判别相关滤波器

PDF
TL;DR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。
发现论文，激发创造
  • 通过时空一致性保持空间特征选择学习自适应判别性相关滤波器以实现强鲁棒视觉跟踪

    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

  • 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

  • 学习时空正则化相关滤波器用于视觉跟踪

    本文介绍了一种空间 - 时间规范化相关滤波器（STRCF），通过将时间正则化引入到只有一个样例的 SRDCF 中，提出了 STRCF 公式，该公式不仅可以作为具有多个训练样例的 SRDCF 的合理近似，而且在具有大量出现变化的情况下，可以提供比 SRDCF 更健壮的外观模型，并可以通过交替方向乘法器（ADMM）有效地解决。STRCF 结合了时间和空间正则化的优势，并且在精度和速度方面表现出比 SRDCF 更出色的性能。

    Mar, 2018

  • DCFNet: 基于判别式相关滤波网络的视觉跟踪

    本文提出基于深度学习网络的 DCFNet 算法，利用卷积特征同时完成相关性跟踪过程，其效率和准确性在 OTB-2013, OTB-2015, and VOT2015 测试中表现优异。

    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

  • 鲁棒视觉目标跟踪的联合群组特征选择与判别式滤波器学习

    提出了一种用于视觉对象跟踪的新的基于群组特征选取的判别相关滤波 (GFS-DCF) 方法。该方法能够跨越通道和空间维度进行群组特征选取，重点在于确定多通道特征对过滤系统的结构相关性。此外，我们的 GFS-DCF 能够实现联合特征选取和过滤器学习，实现了学习滤波器的增强辨别和可解释性。在实验结果上，我们的 GFS-DCF 在 OTB2013、OTB2015、VOT2017、VOT2018 和 TrackingNet 上均表现优异，超越了现有的跟踪器。

    Jul, 2019

  • 端到端流量相关跟踪及时空注意力

    本文利用连续帧中的丰富流信息，通过在网络中制定特殊层来提高特征表示和跟踪精度，提出了一种基于深度学习框架中的联合训练流和跟踪任务的方法，并且采用了新颖的空间 - 时间注意机制，对 OTB2013、OTB2015、VOT2015 和 VOT2016 四个具有挑战性的跟踪数据集进行了广泛的实验，证明所提出的方法在这些基准测试中具有优越的结果。

    Nov, 2017

  • 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

  • 实时无人机跟踪中的相关滤波增强记忆

    本研究提出了一种基于判别相关滤波器框架的新型跟踪器，通过引入历史视图并运行实时速度来拓展记忆，通过快速压缩上下文学习来提高滤波器的鉴别能力，并在 UAVDT 和 UAV123 数据集上验证了该跟踪器的竞争性能。

    Sep, 2019

  • ECO：用于跟踪的高效卷积算子

    通过引入卷积算子、压缩模型、限制更新策略等，本文提出了一种性能更优，速度更快的基于判别相关滤波的视觉跟踪方法。通过基准测试，证明该方法比当前优秀算法具有更好的性能表现，并且可以在单个 CPU 上进行实时跟踪。

    Nov, 2016