关键词state-of-the-art trackers
搜索结果 - 8
- SportsMOT:多场景多种运动的大规模多物体追踪数据集
本文提出了一种新的大规模多目标追踪数据集 SportsMOT,旨在促进运动跟踪器在运动和外观等方面的进步,通过比较当下几种状态最好的跟踪器和 MixSort 框架,我们发现 SportsMOT 的关键挑战在于对象关联,MixSort 框架通 - 一份信息丰富的追踪基准测试
在本研究中,我们设计了一种有效的方法来构建一个小而信息丰富的跟踪基准 (ITB),它包含了所有典型的挑战情境,以便评估跟踪器的性能,并且对未来研究方向提出了新的挑战,同时分析了 15 种最先进的跟踪器的结果。
- ECCV视觉目标跟踪中的硬遮挡
本文聚焦于困难遮挡情况的视觉目标跟踪问题,并针对最近的 SOTA 跟踪器在难度不同的遮挡分类问题上的表现进行性能评估,结果表明,困难的遮挡问题仍然是目标跟踪领域的一个非常具有挑战性的问题,因此在现实世界中采用跟踪器时,需要对不同类型的遮挡进 - 基于孪生网络的视觉物体跟踪关键点预测网络
本文介绍了一种针对视觉目标跟踪的新算法 Siamese Keypoint Prediction Network,该算法采用级联方法进行预测建模,并在四个基准数据集上实现了卓越的跟踪效果。
- 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。
- ECCVSPARK:面向视觉跟踪的空间感知在线增量攻击
通过研究在线视频目标跟踪,本文提出了一种新的对抗攻击任务:在线生成微小扰动来误导跟踪器沿指定或不正确的轨迹跟踪目标。为了应对这一挑战,提出了一种基于稀疏性的增量攻击方法 SPARK,该方法在多个基准跟踪器上均能有效地误导跟踪器并且具有较强的 - 长期视觉跟踪性能评估
我们提出了一种新的长期跟踪性能评估方法,并提出了一个具有许多目标消失的精心选择序列的新挑战性数据集,通过使用适用于评估长期跟踪的新性能指标 - 跟踪精度,召回率和 F 得分来广泛评估了六个长期和九个短期的最先进的跟踪器,评估结果表明,良好的 - 追踪器的追踪:多目标追踪技术现状分析
本文介绍了一个用于评估多目标跟踪方法的基准测试框架,其中包含了约 50 个最先进的跟踪器的测试结果及其分析,旨在为推动这一领域的发展提供指导。