理解出错之处望不吝指正。

本文模型叫做Siam-RPN。本文将Siamese Network和RPN结合,提出了一种端到端的离线训练方法,并把tracking过程视为one-shot detection(单项学习)。

训练阶段的网络结构如下:

tracking阶段的网络结构如下:

tracking过程中,先使用第一帧在template branch中预测出weight,其他帧则经过detection branch生成预测结果(用到template branch中得到的weight)。

为了使one-shot detection framework更适用于tracking,作者提出了两个选择proposal的策略:

(1).丢弃那些远离中心点远的anchor生成的bounding boxes(如图所示,只选择蓝色grid的bounding boxes);

(2).使用余弦窗口和尺度变换惩罚项对proposals进行重新排序;

(3).使用NMS选择最终的bouning box。

CVPR 2018 Siam-RPN:《High Performance Visual Tracking with Siamese Region Proposal Network》论文笔记相关推荐

  1. High Performance Visual Tracking with Siamese Region Proposal Network 论文学习

    文章目录 论文阅读总结 Translation Abstract 1 Introduction 2 Related Works 2.1 Trackers based on Siamese networ ...

  2. High Performance Visual Tracking with Siamese Region Proposal Network全文翻译

    摘要   近年来,视觉对象跟踪一直是一个基本主题,许多基于深度学习的跟踪器在多个基准测试中取得了最先进的性能.然而,这些跟踪器中的大多数很难以实时速度获得最佳性能.在本文中,我们提出了 Siamese ...

  3. 走进VOT--《High Performance Visual Tracking with Siamese Region Proposal Network》阅读翻译

    前言:siamRPN是Siamfc之后的又一突破.SiamFC的缺点: Siamese的方法只能得到目标的中心位置,但是得不到目标的尺寸,所以只能采取简单的多尺度加回归,这即增加了计算量,同时也不够精 ...

  4. CVPR 2018 SINT++:《SINT++: Robust Visual Tracking via Adversarial Hard Positive Generation》论文笔记

    理解出错之处望不吝指正. 本文用到了变分自编码VAE和强化学习DQN,我觉得很新颖.整体架构如下图: 首先,使用VAE来生成positive sample,如上图中右下角. 然后,使用HTPN网络将得 ...

  5. CVPR 2017 ADNet:《 Action-Decision Networks for Visual Tracking with Deep Reinforcement Learning》论文笔记

    理解出错之处望不吝指正. 本文模型叫做ADNet.该模型通过强化学习产生动作序列(对bbox进行移动or尺度变换)来进行tracking.原理如下图(第一列代表初始帧,第二列和第三列代表通过RL产生的 ...

  6. 目标检测方法简介:RPN(Region Proposal Network) and SSD(Single Shot MultiBox Detector)

    原文引用:http://lufo.me/2016/10/detection/ 最近几年深度学习在计算机视觉领域取得了巨大的成功,而在目标检测这一计算机视觉的经典问题上直到去年(2015)才有了完全使用 ...

  7. RPN(Region Proposal Network)

    RPN(Region Proposal Network) 学习RPN前最好先过一遍RCNN和Fast RCNN,本文的图来自原论文和bvBV1af4y1m7iL,有纰漏之处欢迎在评论区指出 RPN什么 ...

  8. RPN(Region Proposal Network)提取候选框

    前言 RPN全称是Region Proposal Network,也可理解为区域生成网络,或区域候选网络:它是用来提取候选框的. 目录 一.RPN的由来 二.RPN思路流程 三.feature map ...

  9. CVPR 2018 | 腾讯AI Lab关注的三大方向与55篇论文

    感谢阅读腾讯 AI Lab 微信号第 32 篇文章,CVPR 2018上涌现出非常多的优秀论文,腾讯 AI Lab 对其中精华文章归类与摘要,根据受关注程度,对生成对抗网络.视频分析与理解和三维视觉三 ...

最新文章

  1. 优秀!一鼓作气学会“一致性哈希”,就靠这 18 张图了
  2. Swagger UI 与SpringMVC的整合 II
  3. 寒假与春节终归,新学期和新任务又至
  4. 剑指offer-合并链表
  5. 使用CDS view开发SAP Marketing contact的facet追溯工具
  6. c#小游戏_C#小游戏—钢铁侠VS太空侵略者
  7. cordova 实现网页缓存_如何解决ionic,cordova混合开发的app缓存大的问题
  8. 密码学专题 非对称加密算法指令概述 DSA算法指令
  9. linux目录形式,linux 系统下 ngnix 显示目录形式
  10. mysql5.5删除干净_MySql5.5 安装及卸载
  11. sql字符串函数_另一堆SQL字符串函数
  12. 微软发布 .Net Core 3.0 版重大更新,对开发者来说意味着什么?
  13. CentOS-6 通过rsync下载yum源
  14. Aiiage Camp Day3 B Bipartite
  15. P3317 [SDOI2014]重建
  16. Ubuntu常用软件大全
  17. 十一条Python学习路线,推荐收藏
  18. 网络系统集成实习——第一天——2017.9.6
  19. 光纤布拉格光栅(FBG)笔记【2】:反射率
  20. Linux安全之三大攻击(SYN,DDOS,CC)原理及处理的详解

热门文章

  1. [云炬python3玩转机器学习笔记] 3-7Numpy中的矩阵运算
  2. Go进阶(5): 数组与切片+多维数组+map切片
  3. Cmake常用基本命令复习
  4. 利用WinRAR命令行压缩文件或文件夹2007-11-14 15:07压缩文件夹
  5. python中.append()和.extend()的区别
  6. 在Windows环境下安装hyperledger和byfn
  7. 数字人民币明确不采用区块链技术,对数字货币投资须保持警惕
  8. 反病毒引擎设计全解(三)
  9. 为什么1900年不是闰年
  10. Head First JSP---随笔五