Nam H, Han B. Learning multi-domain convolutional neural networks for visual tracking [C]// CVPR, 2016.
Nam H, Baek M, Han B. Modeling and propagating cnns in a tree structure for visual tracking. arXiv preprint arXiv:1608.07242, 2016.
Bertinetto L, Valmadre J, Henriques J F, et al. Fully-convolutional siamese networks for object tracking [C]// ECCV, 2016.
Held D, Thrun S, Savarese S. Learning to track at 100 fps with deep regression networks[C]// ECCV, 2016.
最后,深度学习END2END的强大威力在目标跟踪方向还远没有发挥出来,还没有和相关滤波类方法拉开多大差距(速度慢是天生的我不怪你,但效果总该很好吧,不然你存在的意义是什么呢。。革命尚未成功,同志仍须努力)。另一个需要注意的问题是目标跟踪的都没有严格的训练集和测试集,需要离线训练的深度学习方法就要非常注意它的训练集有没有相似序列,而且一直到VOT2017官方才指明要限制训练集,不能用相似序列训练模型。
最后强力推荐两个资源。王强
维护的benchmark_results foolwood/benchmark_results:大量顶级方法在OTB库上的性能对比,各种论文代码应有尽有,大神自己C++实现并开源的CSK, KCF和DAT,还有他自己的DCFNet论文加源码,找不着路的同学请跟紧。维护的相关滤波类资源 HakaseH/CF_benchmark_results ,详细分类和论文代码资源,走过路过别错过,相关滤波类算法非常全面,非常之用心!
(以上两位,看到了请来我处交一下,9折优惠~~)
<img src="https://pic3.zhimg.com/50/v2-af904514277aa70238c359871bd2d4a1_hd.jpg" data-caption="" data-rawwidth="1674" data-rawheight="679" class="origin_image zh-lightbox-thumb" width="1674" data-original="https://pic3.zhimg.com/v2-af904514277aa70238c359871bd2d4a1_r.jpg">
介绍最经典的高速相关滤波类跟踪算法CSK, KCF/DCF, CN。很最早了解CF,应该和我一样,都是被下面这张图吸引了:
<img src="https://pic7.zhimg.com/50/v2-cd6759216ec7dc24a268978a7c950d23_hd.jpg" data-caption="" data-rawwidth="407" data-rawheight="239" class="content_image" width="407">
本文来自电脑杂谈,转载请注明本文网址:
http://www.pc-fly.com/a/jisuanjixue/article-60218-6.html
哈哈