Nov, 2017

FuCoLoT -- 一种完全关联性的长期跟踪器

HTML
PDF
TL;DR本论文介绍了一种基于DCF约束滤波器学习方法的全关联长期追踪器(FuCoLoT)，该追踪器利用多个训练在不同时间尺度的相关滤波器作为探测器组件，并采用基于相关响应的追踪失败估计机制，能在几乎所有短期和长期标准基准测试中实现最先进的结果，并且比其最好的竞争对手占用更少的内存，并且以15fps的速度在单个CPU线程上运行。
发现论文，激发创造
  • 具有有限边界的相关滤波器

    本研究提出一种利用频域内部计算冗余并显著减少边界效应的相关滤波估计方法，以提高目标检测和跟踪性能，实现了准确性和计算效率的同时也探究了计算效率等因素产生的代价。

    Mar, 2014

  • 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

  • 具有通道和空间可靠性的判别相关滤波器

    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

  • 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

  • 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

  • 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

  • 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

  • 基于快速相关滤波跟踪器的有效遮挡处理

    为了解决基于相关滤波的追踪器在目标遮挡时响应图中存在多个峰值和不确定性等问题，本文提出一种针对不同情景选择特定滤波模型的方案，并采用有效测量函数和复杂策略来更新筛选模型，在此基础上结合对数极坐标方法和金字塔式方法进行目标尺度估计，实验表明该方案在 VOT2018 挑战赛和 OTB100 数据集上优于现有的追踪器。

    Jul, 2018

  • 使用强化学习进行视觉追踪的相关滤波器选择

    通过更新并维护多个相关性滤波器模型，并使用深度强化学习选择最佳相关滤波器模型，在处理目标外观建模的决策过程中利用决策网络，本文提出了一种解决相关滤波器更新问题的新方法，在OTB100和OTB2013基准测试上得到了较好的表现，达到了62.3％的平均成功率和81.2％的平均精度得分，超过了传统相关滤波器的跟踪器的表现。

    Nov, 2018