We present a fast and accurate visual tracking algorithm based on the multi-domain convolutional neural network (MDNet). The proposed approach accelerates feature extraction procedure and learns more discriminative models for instance classification; it enhances representation quality of target and back...
上面两个流程图分别是 MDNet 以及 MDNet 的一个改进 Branchout。本文是基于 MDNet 进行改进的,主要是在速度上进行大幅度的提升,因为原始的 MDNet 采用的是 RCNN 的思路,暴力的进行特征的提取,而本文采用改进的 ROI Align 的方法进行更加高效的特征提取。此外,作者提出一种新的 loss function 使其能够取更好的区...
Code:https://github.com/bychen515/ACT 1. Background and Motivation: 本文提出一种利用 “连续” 动作空间的强化学习算法来进行跟踪。之前的 MDNET 是随机采样,然后进行打分的;而 ADNet 是 “离散”的动作选择,即:通过一系列离散的动作选择,实现 BBox 的移动,来完成跟踪。下图展示了本文方法与这两种方法的...
【目标跟踪】Real-Time MDNet 发在ECCV2018上的一片文章,链接:Real-Time MDNet 与前作MDNet来自同一个实验室,主要工作是改进MDNet,作者说速度可以提高25倍(FPS～40)。 Motivation MDNet太慢了,FPS～1, 作者想加速它 作者认为前作在instance-level 的分类能力还是不够,想造一个分辨能力更强的模型。 这里我想解释...
现有的跟踪算法可以分为三类: online-trained 对新读入的每一张图都训练一个分类器 (DSST) offline-trained 离线训练,在线的时候也不更新 并不能接收新的讯息 hybrid 例如mdnet 本文提出的方法 训练虽然是离线的,但是有利用到前面帧的信息来做判断。
(MDNET,Crest)我们的核心贡献是一种基于离线mete-learning-based的方法,用于调整在线适应跟踪中使用的初始深度网络。元学习是由深层网络的目标驱动的,深层网络可以在未来的框架中快速地适应对特定目标的鲁棒建模。理想情况下,得到的模型关注于对未来帧有用的特性,避免对背景杂波、目标的小部分或噪声的过度拟合。通过.....
Jung, I., Son, J., Baek, M., & Han, B., (2018) Real-time MDNet. In: European Conference on Computer Vision, pp. 83–98 Kart, U., Kamarainen, J.K., & Matas, J., (2018) How to make an RGBD tracker? In: European Conference on Computer Vision Workshop, pp. 1–15 ...
faster performance than the MDNet method. The search strategies of MDNet and ADNet methods are illustrated in Fig.1(a) and (b), respectively. We note that the learned iterative strategy in [10] is also far from the real-time requirement since it requires many iterative steps in every ...
Jung, I., Son, J., Baek, M., & Han, B. (2018). Real-time mdnet. InProceedings of the European conference on computer vision (ECCV). Kalal, Z., Mikolajczyk, K., & Matas, J. (2012). Tracking-learning-detection.IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI),...
We present a fast and accurate visual tracking algorithm based on the multi-domain convolutional neural network (MDNet). The proposed approach accelerates feature extraction procedure and learns more discriminative models for instance classification; it enhances representation quality of target and back...