Jun, 2024

通过迭代梯度下降和阈值选择实现鲁棒性视觉跟踪

PDF
TL;DR基于鲁棒回归的视觉跟踪技术中，引入了一种新的鲁棒线性回归估计器，通过迭代梯度下降和阈值选择算法解决异常值问题，同时将算法扩展到生成式跟踪器，并使用 IGDTS 距离来衡量样本与模型之间的偏差，最后提出了一种更新方案以捕捉跟踪目标的外观变化并确保正确更新模型，实验结果表明所提出的跟踪器优于现有的跟踪器。
visual trackingregression-based trackersrobust regressionoutliersgenerative tracker
发现论文，激发创造
  • 视觉跟踪的概率回归

    本文提出了一种基于概率回归的视觉跟踪方法，用于建模不确定性和噪声，通过最小化 Kullback-Leibler 离差散度进行训练，实验结果显示这一方法在六个数据集上都取得了最佳性能表现。

    Mar, 2020

  • 基于深度强化决策的实时视觉跟踪

    该研究提出了一种基于深度强化学习方法构建的模板选择策略的实时视觉追踪算法，该算法可有效应对模型更新导致的跟踪偏移问题，可在实时速度下以 43fps 跑动。

    Feb, 2017

  • 高维 M - 估计的迭代硬阈值方法

    本文介绍了在高维环境下，使用 M-estimators 在广义线性回归模型中需要风险最小化，并提出了第一个 IHT 样式算法在高维统计学中的分析框架，这对于稀疏回归和低秩矩阵恢复等问题具有实际应用价值。

    Oct, 2014

  • 通过边缘推断实现鲁棒多目标跟踪

    本文提出了一种基于边缘概率计算的目标多目标追踪方法，可以取代原始特征距离，解决了不同视频中距离分布变化引起的单一特征距离阈值不准确的问题，并在 MOT17 和 MOT20 基准测试中获得了较好的结果，并且计算得到的概率更易于解释，有利于后续的后处理操作。

    Aug, 2022

  • 基于阈值的在线主动线性回归

    该研究考虑在线主动学习来收集回归建模的数据，提出了一种基于阈值的算法来选择最具信息量的观测数据，并将其推广到高维稀疏线性回归，仿真结果表明该算法相对于被动随机抽样具有显著优势。

    Feb, 2016

  • 实时增量人脸跟踪的级联连续回归

    本文介绍了一种新颖的实时算法用于人脸关键点跟踪。我们提出了级联连续回归（CCR）算法，证明其准确性等同于 Supervised Descent Method，并提出了用于 CCR 的增量学习更新（iCCR），其速度比级联回归的标准增量学习快一个数量级，从而实现实时跟踪，最后评估了 iCCR 的重要性在实现最新技术水平方面。

    Aug, 2016

  • 深度特征级联自适应跟踪策略学习

    本文提出了一种自适应的视觉目标跟踪方法，通过离线学习增强学习代理来决定何时在浅层或深层特征下对图像进行处理，从而实现在单个 CPU 上快速跟踪，同时为几乎 50% 的时间提供了 100 倍的速度提升。

    Aug, 2017

  • 分布式在线学习的优化梯度跟踪

    本文提出了一种基于广义梯度跟踪（GGT）框架的去中心化在线学习算法，并使用新的半定编程分析理论对其性能进行了理论分析和优化，进而得到实际数据集上的优异表现。

    Jun, 2023

  • 分层注意力循环跟踪

    本文提出了一种基于分层注意力循环模型的目标跟踪算法，该算法可以在视频中跟踪单个物体，并通过梯度方法进行完全可微分且纯数据驱动的训练。为了改进训练收敛性，在损失函数中增加了与跟踪相关的辅助任务项。该模型在 KTH 活动识别数据集和 KITTI 物体跟踪数据集上进行了评估。

    Jun, 2017

  • 判别式尺度空间跟踪

    本文提出了一种利用相关滤波器进行目标尺度估计的跟踪方法，该方法可以有效地提高计算效率并在 OTB 和 VOT2014 数据集上优于 19 个和 37 个最先进的跟踪器。

    Sep, 2016