May, 2024

传统单目标跟踪的超越：一项综述

PDF
TL;DR单目标跟踪是许多关键领域应用的重要任务，尽管它仍被认为是最具挑战性的视觉任务之一。本文针对单目标跟踪的应用，提出了一种基于新技术和趋势的方法分类，并对广泛使用的跟踪基准中方法的性能进行了比较分析，同时分析了这些方法的优缺点，并提出了非传统技术在单目标跟踪中的指导，最后提出了未来研究的潜在方向。
single object trackingcomputer visiontechniquesperformancefuture research
发现论文，激发创造
  • 视频多目标跟踪的深度学习研究

    本文综述了利用深度学习模型解决单摄像头视频的多目标跟踪任务的研究，总结了该任务中的四个主要步骤，并深入探讨了如何在每个步骤中利用深度学习。此外，还提供了对三个 MOTChallenge 数据集中所呈现的工作的完整实验比较，并确定了最优解方法之间的若干相似之处，提出了一些可能的未来研究方向。

    Jul, 2019

  • 视觉跟踪的深度学习：一项综述

    本文对深度学习手段在视觉目标跟踪中的应用作了全面综述，包括常用的数据集、评估指标以及当前领先的跟踪器，并对它们进行了量化和定性分析，旨在为实践者在选择方案时提供指导和对未来方向进行探讨。

    Dec, 2019

  • 弱监督目标定位与检测综述

    本文综述了弱监督物体定位和检测领域中的经典模型、深度网络特征表示法、基于纯深度学习的方法及公共数据集和标准评估指标等内容。同时也讨论了该领域的发展历程、方法类别间的关系、应用以及未来研究方向等。

    Apr, 2021

  • 追踪嘈杂目标：近期物体追踪方法综述

    本文对视觉物体跟踪算法的最新趋势和进展进行了广泛的综述，评估了在噪声存在的情况下跟踪器的鲁棒性。我们发现，没有任何一种算法在噪声存在的情况下能够与无噪声条件下的效率相同，因此需要在评估新提出的跟踪算法时包含一个鲁棒性参数。

    Feb, 2018

  • 跟踪，然后决策：基于视觉的多目标跟踪与类别无关

    本文提出了一种基于分割掩码的跟踪器，使用无分类模型的多目标跟踪方法来跟踪物体，该方法能够利用语义信息以及跟踪未知对象，并能够发现和跟踪大量其他对象，并取得了与最先进的基于检测的跟踪方法相当的性能。

    Dec, 2017

  • 视觉目标跟踪中的外观模型调查

    本文考虑了 2D 表现模型在视觉目标跟踪中的应用，针对其处理阶段的不同阶段给出分类，并就其从理论和实用角度进行了分析和讨论；本文对此问题未来研究提出了几点挑战。

    Mar, 2013

  • 通用物体检测的深度学习：一项调查

    本文综述了深度学习方法在目标检测领域的应用及其取得的进展，涵盖了检测框架、特征表示、目标提议生成、上下文建模、训练策略和评估指标等方面，并指出了未来研究的方向。

    Sep, 2018

  • 基于深度学习的目标检测综述

    本调查研究了物体检测领域的主要发展现状以及现有典型检测模型的方法和评估数据集，分别分析了一阶段和二阶段检测器的综合概述，并总结了物体检测的传统和新型应用，最后就利用这些物体检测方法构建高效系统的应用建议和发展趋势进行了探讨。

    Jul, 2019

  • 不同的跟踪任务需要不同的外观模型吗？

    本研究提出了一种解决视频跟踪问题的通用方法 UniTrack，其包含单一的面部模型和多个任务特定的解决方案，可以通过监督学习或自监督学习进行训练，可以在大多数跟踪任务中获得与特定方法竞争的结果，并扩展方法的评估和比较范围。

    Jul, 2021

  • 在线目标跟踪及提议选择

    本文提出了一种通过采用基于几何变换估算的新建议并运用多种线索的选择策略，来跟踪在对象可能经历严重旋转等多种变换下的的目标进行追踪，并在多个数据集中获得最佳性能。

    Sep, 2015