Learning the Model Update for Siamese Trackers论文笔记
Siamese方法通过提取当前帧的模板特征来定位下一帧的目标位置的方法来解决目标跟踪问题。一般来说，模板是前面图像帧的线性组合，导致随着时间的增加模板信息会有一个指数衰减。虽然这种更新方法已经提升了结果，但是它的简单性限制了通过学习更新可能获得的潜在效果。作者提出了用学习更新模板的方式来替代手工更新模板的方式。作者提出了一种叫UpdateNet的卷积神经网络方式，用之前积累的模板和当前帧的模板来生成一个下一帧可以用的最优模板。UpdateNet可以很容易地融合到现有的Siamese网络中。
Standard update
最近的跟踪方法无论是相关滤波的方法还是基于Siamese网络的方法都是用指数加权平均来更新模板，如下面公式所示：
这种方法虽然可以集成新的信息，但是它有严重缺点。
Learning to update
文章用新的学习更新策略来代替传统的更新策略，更新模板的公式如下所示：
函数参数包括初始帧模板，上一帧模板和上次计算出的模板，目的就是通过学习这样一个函数来实现更新模板的功能，整体的示意图如下图所示：
Tracking framework with UpdateNet
向上面的图所呈现的那样，通过训练得到UpdateNet的参数，将始帧模板，上一帧模板和上次计算出的模板输入到这个网络中得到新的模板，然后用新的模板进行相似性计算，得到分数图。
Training UpdateNet
在训练过程中损失函数被写成如下的形式：
Experiments
Conclusions
作者整体的思路比较清晰，仔细分析了之前模板更新方法的问题，想了一个新的模板更新策略，比之前策略的效果要好。
Learning the Model Update for Siamese Trackers论文笔记相关推荐
- Deep Reinforcement Learning for Visual Object Tracking in Videos 论文笔记
Deep Reinforcement Learning for Visual Object Tracking in Videos 论文笔记 arXiv 摘要:本文提出了一种 DRL 算法进行单目标跟踪 ...
- Multimodal Machine Learning: A Survey and Taxonomy多模态综述论文笔记
文章目录 第一遍:快速预览,把握概要 1. 仔细阅读标题.摘要和简介. 1 INTRODUCTION 2. 先忽略内容,读一读文章中的每个小标题. 3. 如果有数学内容,先大致浏览,确定其理论基础. ...
- CVPR 2017 CFNet:《End-to-end representation learning for Correlation Filter based tracking》论文笔记
理解出错之处望不吝指正. 本文模型叫做CFNet.作者在论文中提到,以前的工作只是将CF应用到了预训练的CNN特征上,并没有实现端到端的CNN-CF的结合.本文的主要贡献就是:推导了CF的可微闭合解, ...
- CCL: Cross-modal Correlation Learning With Multigrained Fusion by Hierarchical Network 论文笔记
摘要&introduction 大多数现有的基于深度神经网络(DNN)的方法采用两阶段学习框架:第一个学习阶段是为每个模态生成单独的表示,第二个学习阶段是利用跨模态相关学习跨模态公共表示. 现 ...
- Communication-Efficient Learning of Deep Networks from Decentralized Data 论文笔记
本文出自论文Communication-Efficient Learning of Deep Networks from Decentralized Data,本文提出了一种基于迭代模型平均的深层网 ...
- 《Curriculum-Meta Learning for Order-Robust Continual Relation Extraction》论文笔记
Curriculum-Meta Learning for Order-Robust Continual Relation Extraction 这篇文章的阅读方式尝试用沐神建议的方法进行~ 1. Ab ...
- 《Guiding Deep Learning System Testing using Surprise Adequacy》论文笔记
Guiding Deep Learning System Testing using Surprise Adequacy 原文:Guiding Deep Learning System Testing ...
- CVPR 2018 LSART:《Learning Spatial-Aware Regressions for Visual Tracking》论文笔记
理解出错之处望不吝指正. 本文模型叫做LSART.本模型主要分为两条线:(1).Spatial-Aware KRR:(2).Spatial-Aware CNN. Spatial-Aware KRR:K ...
- Deep learning in video multi-object tracking A survey 论文笔记
- MapTR：Structured Modeling and Learning for Online Vectorized HD Map Construction——论文笔记
参考代码:MapTR 1. 概述 介绍:这篇文章提出了一种向量化高清地图(vectorized HD map)构建的方法,该方法将高清地图中的元素(线条状或是多边形的)构建为由一组点和带方向边的组合. ...
最新文章
- 【点云论文速读】点云分层聚类算法
- python文本数据处理_从 App 描述介绍文字中发掘 Python 文本数据预处理实例
- 如何了解这个世界(社会)运行的本质
- 小议WebRTC拥塞控制算法：GCC介绍
- Qt学习笔记之文件处理
- 若川知乎问答：2年前端经验，做的项目没什么技术含量，怎么办？
- 【无码专区7】括号序列（思维）
- Thinking In Java 读书笔记
- FTP下载文件中文名乱码FTP访问
- Vue组件学习之事件总线和消息发布订阅
- php mysql 排序规则_使用PHP的MySQL最好的排序规则是什么？
- cesium 球体半倾斜角度
- Docker 概述 与 CentOS 上安装、卸载、启动
- 如何为Java面试准备项目经验
- 彻底搞懂Android文件存储---内部存储，外部存储以及各种存储路径解惑
- python安装numpy模块教程_Python中Numpy包的安装与使用方法简明教程
- 玛雅日历和2012年12月，whats的新政
- 初识angular.js之爱恨情仇
- iphone无法更新app_如何在移动连接上进行iPhone Weather App更新
- 关于Vue框架Element UI中分页器，当前页的问题