ICCV 2017 UCT:《UCT: Learning Unified Convolutional Networks forReal-time Visual Tracking》论文笔记
理解出错之处望不吝指正。
本文模型叫做UCT。就像论文题目一样，作者提出了一个基于卷积神经网络的end2end的tracking模型。模型的整体结构如下图所示（图中实线代表online tracking过程，虚线框内和虚线表示离线训练过程和在第一帧进行训练）：
模型的目的是从样本中学习出一系列convolution filter ，则在样本
上进行卷积得到的卷积response为（其中
代表channel数）：
则损失函数可以写为：
在测试阶段，可以看作：
作者把模型的训练过程分为两部分：
（1）.off-line training
这部分训练即为在训练集上最小化损失函数，不同的是，由于最后一帧中的目标位置经常不在cropped patch的中心，所以作者将train patch cropped with jittering（抖动）。
（2）.traing on first frame
这部分训练的目的是使模型适应于跟踪特定的目标。在训练时，虚线框内的权值使用均值为0的高斯分布进行随机初始化，然后使用SGD进行训练。
Online Tracking的过程主要包括以下两部分：
（1）.Model update
作者认为在每一帧或者固定间隔帧进行更新是不合理的，于是作者提出了一个定义，PNR（peak-versus-noise ratio）：
这里分母表示对response map中除去峰值的地方求均值。
当以下两个阈值都被满足的时候，才进行模型的更新。
（2）.Scale estimation
这部分作者使用了DSST中一样的尺度估计方法，下面回顾一下。
①.在第一帧中以目标正中间为中心，截取S张不同尺度的图像，每张图像提取一个d维的特征向量，得到S*d的特征矩阵；
②.构造相关图g，大小为S*1，中间值最大，向两端递减；
③.计算出尺度滤波模板h；
④.对于当前帧，选取S张不同尺度的图像，和位置估计一样，计算出当前帧的相关图g，响应最大值对应的尺度即为估计的尺度。
ICCV 2017 UCT:《UCT: Learning Unified Convolutional Networks forReal-time Visual Tracking》论文笔记相关推荐
- KDD 2017 《ReasoNet: Learning to Stop Reading in Machine Comprehension》论文笔记
目录 简介 动机 贡献 方法 实验 简介 本文面向机器阅读理解问题(Machine Reading Comprehension),作者来自微软研究院. 下载链接 动机 现有的方法可以分为两类:单步推理 ...
- ICCV 2017 《Multi-label Image Recognition by Recurrently Discovering Attentional Regions》论文笔记
本学弱喜欢在本子上记笔记,但字迹又丑. 望看不懂我的字的大佬不要喷我,看得懂的大佬批评指正.
- ICCV 2017《Unsupervised Laerning of Important Objects from First-Person Videos》论文笔记
本学弱喜欢在本子上记笔记,但字迹又丑. 望看不懂我的字的大佬不要喷我,看得懂的大佬批评指正.
- 论文复现：Learning Efficient Convolutional Networks through Network Slimming
论文核心 论文提出了一种结构化剪枝策略,剪枝对象为 channel ,对 channel 重要性的评价标准使用的是 Batch Normalization 层中的缩放因子,这不会给网络带来额外的开销. ...
- 模型剪枝经典论文解读：《Learning Efficient Convolutional Networks through Network Slimming》
Learning Efficient Convolutional Networks through Network Slimming 摘要: CNN在落地中的部署,很大程度上受到其高计算成本的限制.在 ...
- Fully Convolutional Networks for Semantic Segmentation (FCN)论文翻译和理解
论文题目:Fully Convolutional Networks for Semantic Segmentation 论文来源:Fully Convolutional Networks for Se ...
- 《Communication-Efficient Learning of Deep Networks from Decentralized Data》论文阅读
4.29 天气:阴. 看论文看不懂,所以找回来这篇经典的FedAvg看看. AISTATS 2017. <Communication-Efficient Learning of Deep Net ...
- 论文笔记 Very Deep Convolutional Networks for Large-Scale Visual Recognition - ICLR 2014
VGG Very Deep Convolutional Networks for Large-Scale Visual Recognition Karen Simonyan and Andrew Zi ...
- ICCV 2017奖项公布：最大赢家何恺明获最佳论文，参与最佳学生论文
当地时间 10 月 22 日,两年一度的计算机视觉国际顶级会议 International Conference on Computer Vision(ICCV 2017)在意大利威尼斯开幕.今日,大 ...
最新文章
- 如何在Django1.6结合Python3.3版本中使用MySql
- javafx canvas_JavaFX技巧2：使用Canvas API进行清晰绘图
- 尝试引用非结构体数组的字段_剖析PHP底层数组是如何实现的
- C++语言string类介绍和示例
- 06-4.部署高可用 kube-scheduler 集群
- uniapp scroll-view组件横向滚动不生效
- CTPN源码解析2-代码整体结构和框架
- less中使用global的两种用法
- 都说在阿里年薪百万不难，面试入职阿里需要准备什么？
- python数据可视化字段,Python数据可视化
- 省市区地址三级联动jQuery插件Distpicker使用
- 超融合网络常见问题及解决思路
- Elasticsearch(022)：es常见的字段映射类型之地理形状类型(geo_shape、多边的复杂的地址形状)
- [摘录]第一部分 掌舵领航(1)
- CMWAP与CMNET
- recurdyn和matlab联合仿真,recurdyn与simulink机电联合仿真，求助
- python用smtp发邮件怎么抄送_python使用SMTP发邮件时使用Cc（抄送）和Bcc（密送）...
- Mathematica视频处理实例-边缘检测
- Solr4：查询参数fq的用法（对结果进行过滤；两组关键词组合查询）
- 放大器知识体系-滤波器Chebychev Butterworth Bessel 仿真测试