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
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
设计了一种新的跟踪框架 MHIT,其核心在于引入运动估计模块捕捉运动信息和使用多层次深度特征和独立的相关滤波器进行跟踪,同时采用自适应的多分支相关滤波器融合方案,用于纠正特征冗余和物体局部遮挡的影响,通过实验证明,该系统可以显著提高跟踪性能,尤其是在 VOT2017 挑战赛上获得了 20.1% 的相对性能提升,并在 VOT2018 挑战赛上取得了最新的最佳表现。
Nov, 2018
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
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
本研究针对航空器智能追踪问题,采用自适应多模高光谱传感器和深度学习技术设计出深度高光谱核相关滤波追踪器并在数字成像和遥感图像生成软件中进行了综合评估及性能优化,最终发布了大规模空中车辆分类数据集。
Nov, 2017
本文提出了一种核交叉相关器(KCC),它通过引入核技巧将线性互相关扩展到非线性空间,具有更强的鲁棒性和可扩展性,适用于各种核函数,能够预测具有自定义属性的仿射变换,并通过快速傅里叶变换(FFT)消除核向量的直接计算,从而实现更好的性能和合理的计算成本。
Sep, 2017
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
本篇论文提出了一种基于核化多分辨率卷积网络的通用视觉目标跟踪方法,该方法采用层次响应图直接输出目标运动轨迹,并在无需任何权重调节的情况下,在挑战性无人机跟踪数据集上表现出色,同时开启了在端到端时序深度学习框架中进行视觉追踪的可能性。
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