关键词siamese-based trackers
搜索结果 - 6
- ECCV自适应孪生跟踪和紧凑潜在网络
本文介绍了一种基于分类的思路来简化 Siamese 追踪器,并通过视觉模拟和实际跟踪示例对其进行了深入分析,提出了一种使用决策样本的紧凑潜在网络来快速调整基础模型,以及一种新的多样化样本挖掘策略来进一步提高所提出的网络的区分能力,在多个数据 - CVPR基于排名的孪生视觉跟踪
本论文提出了一种基于排名的优化算法来解决 Siamese 视觉跟踪器中的分类与定位之间的错位问题,并在七项跟踪基准测试中取得了显著的效果。
- 高性能 Transformer 追踪
该论文提出了一种基于注意力机制的特征融合网络,可以有效地结合模板和搜索区域的特征,解决相关操作在设计高精度跟踪算法时可能遇到的局部最优问题。实验结果表明,该方法在七个流行数据集上取得了有前途的成果。
- 学习过滤:用孪生关系网络进行鲁棒跟踪
本文介绍一种在复杂场景下提高视觉跟踪器准确性的新型 Siamese relation network,包括两个有效模块:Relation Detector(RD)和 Refinement Module(RM),可实现从背景中过滤干扰器并生成 - CVPR学习融合不对称特征映射在孪生跟踪器中
该研究提出了一种可学习的模块 —— 不对称卷积 (ACM),通过在大规模数据的离线训练中学习更好地捕获语义相关信息,有效克服了现有 Siamese 跟踪器中存在的问题。同时,将 ACM 集成到现有的 SiamFC,SiamRPN ++ 和 - CVPR可变形孪生注意力网络用于视觉物体跟踪
本文提出了一种名为 SiamAttn 的可变形注意力机制的 Siamese 追踪器,该机制通过自注意和交叉注意来计算特征,能够有效地更新目标模板和聚合丰富的上下文信息以进行更准确的视觉目标跟踪,并在六个基准测试中实现了最新的最优结果。