ICCVOct, 2017

使用边界和中心相关滤波器整合视觉跟踪和宽高比变化

PDF
TL;DR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。
发现论文，激发创造
  • 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

  • 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

  • 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

  • 视觉跟踪的相关良好特征

    本文提出了一种用于视觉目标跟踪的深度全卷积特征学习方法，该方法使用基于网络的反向传播算法，并在性能分析中取得了较好的结果。

    Apr, 2017

  • 面向视觉跟踪的 ROI 池化相关滤波器

    本研究提出了一种新颖的基于 ROI 池化的相关滤波算法，通过数学推导证明 ROI 池化可以通过加强学习滤波器权重的额外约束条件来等效实现，在虚拟环形样本上实现了 ROI 池化，从而在视觉跟踪领域中具有压缩模型大小且保持定位精度的优点，同时我们还开发了一种有效的联合训练公式和快速傅里叶求解器，经过在 OTB-2013、OTB-2015 和 VOT-2017 基准数据集上的实验验证，我们的 RPCF 跟踪器的性能优于其他最先进的跟踪器。

    Nov, 2019

  • 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

  • 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

  • 多核相关滤波器实现高速跟踪

    本研究将多核学习应用于相关滤波器（CF）算法的升级，提出了一种新的 KFCK 算法（MKCFup），通过消除不同核之间的负互干扰，显著提高了算法的准确性和速度，实现了对高速小移动目标的有效跟踪。

    Jun, 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

  • 面向边界效应的无人机视觉跟踪：在线加强背景学习和多帧一致性验证

    提出了一种使用在线增强背景学习的新型追踪器，其中密集提取了真实背景样本，引入了空间惩罚以抵消更多背景信息引入的噪声，同时提取卷积特征以提供更全面的物体表现形式，并在 100 个具有挑战性的无人机图像序列上进行了彻底的实验，证明其达到了最先进的性能。

    Aug, 2019