CVPRNov, 2019

面向视觉跟踪的 ROI 池化相关滤波器

PDF
TL;DR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。
roi-based poolingcorrelation filtervisual trackingmodel trainingbenchmark datasets
发现论文，激发创造
  • 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

  • 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

  • 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

  • DCFNet: 基于判别式相关滤波网络的视觉跟踪

    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

  • 可变形部件相关滤波器用于鲁棒视觉跟踪

    我们提出了一种新的 constellation 模型配合相关滤波器的公式，用于追踪目标并处理非刚性物体变形和自遮挡问题。我们设计了两个级别的模型来逼近目标位置，经过高难度测试表明本方法能达到最先进表现且实时运行。

    May, 2016

  • 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

  • ECO：用于跟踪的高效卷积算子

    通过引入卷积算子、压缩模型、限制更新策略等，本文提出了一种性能更优，速度更快的基于判别相关滤波的视觉跟踪方法。通过基准测试，证明该方法比当前优秀算法具有更好的性能表现，并且可以在单个 CPU 上进行实时跟踪。

    Nov, 2016

  • 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

  • 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

  • 使用边界和中心相关滤波器整合视觉跟踪和宽高比变化

    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。

    Oct, 2017