Dec, 2018

用于实时视觉跟踪的连体级联区域建议网络

PDF
TL;DR本文提出了一种基于级联区域建议网络和 Siamese 跟踪的多级跟踪框架，其中每个区域建议网络利用前一阶段的区域建议网络的输出进行训练，采用多任务损失函数进行端到端的训练，并在多个数据集上实现了优异的跟踪效果。
region proposal networkssiamese cascaded rpnmulti-stage trackinghard negative samplingreal-time tracking
发现论文，激发创造
  • Cascade RPN: 基于自适应卷积探究高质量的区域提案网络

    这篇论文提出了一种名为 Cascade Region Proposal Network（Cascade RPN）的架构，通过系统地处理传统 RPN 的限制来提高区域建议质量和检测性能，实现了更好的定位和检测，其中核心要素包括：单一锚点设计、多阶段细化、适应性卷积等。

    Sep, 2019

  • Faster R-CNN: 基于区域建议网络实现实时目标检测

    本文提出一种完全卷积的区域提议网络（RPN），在同时预测目标边界和目标特征分数的同时，使用完全图像卷积特征共享检测网络的特征。

    Jun, 2015

  • SiamRPN++：使用非常深的网络演变的孪生视觉跟踪

    研究者通过理论分析和实验证明了 Siamese trackers 缺乏严格的平移不变性，为此提出了一种用于改善性能的有效的空间感知采样策略。通过进行广泛的消融研究，该模型在四个跟踪基准中获得了最佳结果，包括 OTB2015、VOT2018、UAV123 和 LaSOT。

    Dec, 2018

  • 监督式 Transformer 网络用于高效人脸检测

    本文提出了一种名为 Supervised Transformer Network 的新型级联卷积神经网络来解决面部检测中的大姿态变化问题，通过使用多任务区域提案网络 (RPN) 同时预测人脸候选区域和相关的面部标志，然后将检测到的面部标志映射到它们的规范位置来更好地规范化面部模式，并在第二阶段使用 RCNN 验证经过变换的候选区域是否为有效面部，同时结合来自网络两个阶段的特征图，取得了多个公共基准测试的最先进的检测精度，并且在保持良好性能的同时，只占用单个核心的 CPU 即可以 30 FPS 的速度运行。

    Jul, 2016

  • SiamCAR: Siamese 全卷积分类和回归用于视觉追踪

    该研究提出了一种使用全卷积孪生网络以像素级方式解决视觉跟踪问题的方法，其中包括特征提取和边界框预测两个子网络，不需要基于区域建议，能够更简单、更准确地进行目标跟踪。

    Nov, 2019

  • 深度和广度更大的连体网络，用于实时视觉跟踪

    本文提出了使用新型残差模块和控制尺寸和步幅的新型架构的方法来增强追踪鲁棒性和准确性，并在 SiamFC 和 SiamRPN 中应用这些架构，从而获得了统计显著的相对改进。

    Jan, 2019

  • DeRPN：迈向更普适物体检测的更进一步

    本文介绍一种新的维度分解区域提议网络 (DeRPN)，采用 anchor string 机制独立匹配物体的宽度和高度，适用于不同形状物体，针对不同比例物体的不平衡损失计算，设计了新颖的尺度敏感损失函数。在多个数据集测试中，DeRPN 相较传统 RPN 方法具有更好的性能和适应性，且不需要调整超参数或专门优化。

    Nov, 2018

  • 基于级联区域提议和全局上下文的深度目标检测

    本文详细介绍了如何通过改进区域提议和深度对象识别两个步骤来提高 Faster R-CNN 的效果。我们提出了一种新的轻量级级联结构，可以有效地提高区域提议质量，重新实现了全局上下文建模，同时广泛应用预训练思想，最终在几个测试数据集上均获得了优异的结果。

    Oct, 2017

  • 领域自适应物体检测中 region proposal 与分类协同训练

    本文研究领域自适应目标检测中的区域建议网络 (RPN) 和分类器 (RPC)，发现了二者在面对大型区域差异时的显著差异，通过最小最大优化及使用低置信度样本差异计算，提出了一种互相指导训练，并在多种场景下验证了其有效性的方法。

    Sep, 2020

  • 基于孪生网络的视觉物体跟踪关键点预测网络

    本文介绍了一种针对视觉目标跟踪的新算法 Siamese Keypoint Prediction Network，该算法采用级联方法进行预测建模，并在四个基准数据集上实现了卓越的跟踪效果。

    Jun, 2020