目标追踪论文之狼吞虎咽(4):MCCT算法
#一、创新点
作者提出,单一追踪器的性能不够稳定,而从多个追踪器的决策层得出的融合结果可以有效地提高鲁棒性。因此,作者提出一个基于多线索相关滤波的追踪算法(MCCT),文章的主要贡献如下:
- 提出了一个可以保留多条线索的追踪算法,在每一帧中算法在众多专家中挑选出一个最可靠的专家结果;
- 考虑到多个专家存在分歧,作者提出一个自适应更新策略,可以有效区分不可靠样本(如遮挡或大幅度形变)从而减轻训练样本的污染。
- 作者实现了MCCT算法的两个版本,用来验证框架的一般性。
#二、相关工作
- 相关滤波
- 融合追踪,作者提出,已有的融合多个追踪器的算法存在一些局限:
- 总体速度受到最低追踪器的限制,此外,融合方法要分析前向和反向轨迹,这要求每个追踪器至少要跑2次
- 追踪器被认为是一个黑箱子,每一帧的融合结果没有反馈给追踪器,导致不能很好利用每一帧的融合输出结果
- 如果追踪器数目增加,计算负担将大大增大
与上述追踪算法不同,作者提出的MCCT算法
- 所有的专家都是基于DCF,通过作者提出的投入产出比ROI和训练样本共享策略,算法的高效性得到保证
- 每一帧的追踪结果都会反馈给专家们,以促进他们提升
- 通过一个简单但是高效鲁棒的评估策略,用于选择最可靠的专家,且计算复杂度只有O(TN),T是帧数,N是专家数。
#三、论文算法
##3.1 DCF框架
###数学模型
###模型训练
###模型测试
###参数更新
##3.2 特征池和专家池
特征池包含3种类型的特征{低级、中级、高级},其中
- 低级特征:HOG
- 中级特征:去除VGG-19全连接层,提取conv4-4的输出
- 高级特征:去除VGG-19全连接层,提取conv5-4的输出
由特征池对应的专家池里共有C31+C32+C33=7C_3^1+C_3^2+C_3^3=7C31+C32+C33=7名专家
注:这里的HOG1、HOG2HOG_1、HOG_2HOG1、HOG2是由31维的HOG特征加上1维的每个patch的灰度平均值构成的32维向量分解而成的2个16维特征。
##3.3 MCCT算法
###算法流程图
step1. 提取不同特征的ROI,放在特征池中
step2. 每个专家给出一个独立的预测线索,挑选最靠谱的专家用于当前的追踪
step3. 自适应更新策略,用于防止专家堕落(性能下降)
目标追踪论文之狼吞虎咽(4):MCCT算法相关推荐
- 车流量检测实现:多目标追踪、卡尔曼滤波器、匈牙利算法、SORT/DeepSORT、yoloV3、虚拟线圈法、交并比IOU计算
日萌社 人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度学习实战(不定时更新) CNN:RCNN.SPPNet.Fast RCNN.Faste ...
- ByteTrack多目标追踪论文阅读
paper:ByteTrack: Multi-Object Tracking by Associating Every Detection Box code:ByteTrack 一.摘要 多目标追踪的 ...
- 3D点云目标追踪论文盘点(含3D点云标注工具)
3D点云相比2D图片多出来深度这一元素,大大提高了定位空间目标位置的准确性,在机器人,自动驾驶,虚拟现实,遥感测绘等领域有着广泛的应用前景,是计算机视觉未来发展的必然方向,如何精准的识别各个物体在空间 ...
- 动手学无人驾驶(3):基于激光雷达3D多目标追踪
上一篇博客介绍了无人驾驶中的车辆检测算法(YOLO模型),该检测是基于图像进行的2D目标检测.在无人驾驶环境感知传感器中还有另一种重要的传感器:激光雷达.今天就介绍一篇无人驾驶中基于激光雷达目标检测的 ...
- 论文学习-卫星视频与目标追踪-1-融合KCF跟踪器和三帧差算法
论文学习-卫星视频与目标追踪-1 大家好,近来一直在研究基于视频卫星的目标追踪领域.为了更好地梳理自己的论文学习过程,故采用博客的方式记录下来.接下来我会将此领域一些我觉得典型的有意义的论文,以我自己 ...
- PTAV:实时高精度目标追踪框架 | ICCV 2017论文解读
在碎片化阅读充斥眼球的时代,越来越少的人会去关注每篇论文背后的探索和思考. 在这个栏目里,你会快速 get 每篇精选论文的亮点和痛点,时刻紧跟 AI 前沿成果. 点击本文底部的「阅读原文」即刻加入社区 ...
- OpenCV中八种不同的目标追踪算法
转载自丨新机器视觉 目标跟踪作为机器学习的一个重要分支,加之其在日常生活.军事行动中的广泛应用,受到极大的关注.在AI潮流中,大家对于深度学习,目标跟踪肯定都会有过接触了解:在GPU上通过大量的数据集 ...
- 【Opencv】目标追踪——高斯混合模型分离算法(MOG)
文章目录 1 环境 2 效果 3 原理 4 代码 1 环境 Python 3.8.8 PyCharm 2021 opencv-python 2 效果 3 原理 视频图像中的目标检测与跟踪,是计算机 ...
- 滴普技术荟:基于机器视觉的典型多目标追踪算法应用实践
视频目标追踪算法是机器视觉中一项很实用重要的算法,视频目标追踪算法应用场景很广,比如智能监控.机器人视觉系统.虚拟现实(人体跟踪).医学诊断(细胞状态跟踪)等.本文由滴普科技2048团队AI产品部算法 ...
- 对目标追踪MOSSE算法中FFT与卷积操作的理解
目标追踪 目标追踪是现在机器视觉下面一个研究方向,主要是研究如何对视频中的一个物体进行追踪.可以用在军事领域无人机对地面目标进行自动瞄准和打击,或者是刑侦领域在大量的监控摄像数据中筛选出某个警方感兴趣 ...
最新文章
- 【python教程入门学习】Pandas是什么
- linux 检测日志文件内容变化
- USB4 来了(一)
- 饿了么EMonitor演进史
- Battlestation Operational HDU 6134
- c语言万年历附加功能,万年历(c语言,多功能).doc
- 简明易懂的call apply
- 【电力负荷预测】基于matlab Elman神经网络电力负荷预测【含Matlab源码 279期】
- 金蝶KIS专业版13.0视频教程
- 微型计算机工作原理详细,微型计算机基本工作原理.ppt
- 2020中国华录杯·数据湖算法大赛—定向算法赛(吸烟打电话检测)baseline-tensorflow2.3-python3.6
- 逻辑教育大厂必备IOS面试突击班
- 关于js函数传参的问题
- 健身菜鸟需要掌握哪些基本的健身常识
- 什么是即时通讯(IM)?
- VMBox CentOS安装记录
- Battle Mages (魔法之战,精灵传说)修改器
- RTX3060是什么级别显卡 RTX3060显卡什么水平
- C#中的作用Read()和ReadLine()
- 爬虫day3,通过爬虫有道翻译实现汉译英
热门文章
- [C++]面向对象部分——类
- Cookie 和 Session 规则
- jni c java_使用JNI在C中调用java代码
- vector容器——容量和大小
- php cunstruct,php读取二进制流(C语言结构体struct数据文件)
- 3.自编码器(变分自编码器,VAE)
- python打包成exe去cmd_完美起航-python打包exe之打包深度学习模型踩坑记录及其解决办法。...
- 重新分区_全面解析win10系统硬盘分区怎么调整大小
- mvc 怎么把后台拼接好的div写到前台_PR:被写黑稿了怎么办?
- NYOJ 588 Money