热红外物体跟踪的深度多层相似度学习

Jun, 2019

热红外物体跟踪的深度多层相似度学习

Learning Deep Multi-Level Similarity for Thermal Infrared Object Tracking

Qiao Liu, Xin Li, Zhenyu He, Nana Fan, Di Yuan...

TL;DR本研究提出一种多层相似性模型来提高红外物体跟踪的辨别能力，其中利用了卷积层计算 TIR 对象的全局语义相似度和本地结构相似度，通过一种相对熵的集成子网络进行集成，并构建了大规模 TIR 视频序列数据集以优化算法效果。

Abstract

Existing deep thermal infrared (TIR) trackers only use semantic features to describe the TIR object, which lack the sufficient discriminative capacity for handling distractors. This becomes worse when the feature extraction network is only trained on RGB images.To address this issue, w

thermal infrared object tracking similarity model convolutional layers dataset

发现论文，激发创造

基于层次空间感知的热红外目标暗示网络

本文提出了一种热红外跟踪器，命名为 HSSNet，它使用层次空间感知 Siamese 卷积神经网络来验证相似性并生成更强的可辨别能力，与其他方法相比，在 VOT-TIR 2015 和 VOT-TIR 2016 基准测试上取得了较好的性能表现。

Nov, 2017

热红外追踪的多任务驱动特征模型

该论文提出了一种基于多任务学习的框架，学习适用于红外追踪的特征模型，并使用大规模红外训练数据集来优化该模型。在三个基准测试中，实验结果表明，该算法的相对增益达到 10％，表现优于现有的方法。

Nov, 2019

EANet：增强的基于属性的 RGBT 跟踪器网络

提出了一种深度学习的图像跟踪方法，将 RGB 图像和红外热像合并进行特征提取和人工属性应用的跟踪，此方法在 RGBT234 和 LasHeR 这两个最广泛使用的 RGBT 目标跟踪数据集上表现优异。

Jul, 2023

用于红外物体追踪的大边界结构化卷积算子

本文提出了一种利用大边界结构卷积算子 (LMSCO)、空间规则化和隐式插值获取持续深特征图实现 TIR 物体追踪的方法，并通过协作优化策略得到新的操作符，继承 SOSVM 强大辨识能力优势，使用高维特征和更密集样本实现准确、鲁棒性高的 TIR 物体追踪，该方法在两个热红外追踪基准测试中具有出色的结果，在准确性和鲁棒性方面优于大多数最先进的追踪器，帧速度足够

Apr, 2018

端到端热红外跟踪的合成数据生成

使用图像到图像翻译模型，将可得的 RGB 数据转换成合成 TIR 数据用于 TIR 跟踪中的端到端特征的训练，并在 VOT-TIR2017 数据集上进行实验，发现相对于仅训练可得真实 TIR 数据或人工构建特征的方法，使用合成数据进行训练可以显著提高跟踪性能且通过与运动特征的结合可以进一步改进。

Jun, 2018