ICCV 2017 EAST:《Learning Policies for Adaptive Tracking with Deep Feature Cascades》论文笔记
理解出错之处望不吝指正。
本文模型叫做EAST。作者的动机是在不降低准确率的同时提升深层模型的速度。论文的主要思想:在SiameseFC中,所有帧都用conv5的特征去检测,EAST的出发点是(外观相似或不运动的)简单帧用简单特征如像素边缘就可以定位,(经历较大外观变化的)复杂帧才需要不变性更强的深度特征进行定位。
如何判读使用当前层特征得到的检测结果是否足够好(是否要使用下一层特征),作者提出了使用强化学习的策略。
上图即为整个模型的架构,把每种特征都输入Q-Net中,使用到了Siamese Network的模型结构,但是输出部分是agent动作的选择,共包括8种动作(7种尺度变化,1种终止动作)。如果在当前层选择了stop action,则代表“EAST”(early stop)。
agent的state、action、reward定义如下:
state:,前者代表前面每一层(包括当前层)的score map的均值,后者代表前四层采取的action;
action:共8种,如上图;
reward:若IoU变大,reward=1,否则reward=-1,终止操作时,若IoU>=0.6,reward=3,否则reward=-3。
ICCV 2017 EAST:《Learning Policies for Adaptive Tracking with Deep Feature Cascades》论文笔记相关推荐
- Learning Policies for Adaptive Tracking with Deep Feature Cascades(深度增强学习、目标跟踪)
1.论文相关 论文题目: "Learning Policies for Adaptive Tracking with Deep Feature Cascades." ICCV (2 ...
- Learning Policies for Adaptive Tracking with Deep Feature Cascades
Learning Policies for Adaptive Tracking with Deep Feature Cascades ICCV17 shotlight 作者:Chen Huang, C ...
- Learning Policies for Adaptive Tracking with Deep Feature Cascades全文翻译
摘要 视觉对象跟踪是一项基本且时间紧迫的视觉任务.近年来出现了许多基于实时像素相关滤波器的浅层跟踪方法,以及具有顶级性能但需要高端 GPU 的深层方法.在本文中,我们学习在不损失准确性的情况下提高 ...
- 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.
- When Does Machine Learning FAIL? Generalized Transferability for Evasion and Poisoning Attacks论文笔记
When Does Machine Learning FAIL? Generalized Transferability for Evasion and Poisoning Attacks论文笔记 该 ...
- 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 ...
- CVPR 2018 FlowTrack:《End-to-end Flow Correlation Tracking with Spatial-temporal Attention》论文笔记
理解出错之处望不吝指正. 本文模型叫做FlowTrack.本文将光流信息和特征表示结合在一起进行目标跟踪,据作者所说,这是第一个在CNN based tracking中使用光流的模型. 光流的warp ...
- ICCV 2019《Zero-Shot Grounding of Objects from Natural Language Queries》论文笔记
目录 简介 动机 贡献 方法 实验 简介 本文出自南加大,可以对训练集中没有出现的words(或categories)进行grounding. 下载链接 动机 已有的grounding方法在测试时,只 ...
最新文章
- 如何查看,当运行一个hibernate 方法后到底执行了哪些SQL语句
- 3dContactPointAnnotationTool开发日志(二一)
- java 安卓 html_java – Android的HtmlUnit替代品?
- SpringBoot整合Redis 主从复制_02
- 收藏 | 详解PyTorch中的ModuleList和Sequential
- pymysql流式读取数据库
- Web Page Request Principle
- [模板]线性筛素数(欧拉筛法)
- 【ASUS】关于华硕笔记本win7下GTX950M独显驱动无法安装上的解决方法
- 2022最全毕设题目选题
- Excel-图表与文本框/图片的组合
- iOS -- tableView截取长图 或者 UIScrollView截取长图 (Swift代码)
- 树莓派(zero w)——硬件介绍与系统开机
- CU的递归划分详细介绍
- 入门学习必收藏!精选Photoshop、D…
- android 图片/视频混合轮播控件banner
- 一个程序员应该怎样去学习和掌握计算机英语呢
- 微软服务器登录慢怎么解决,登录微软账户特别慢的原因
- 中国土地市场网信息爬取--requests+Selenium多线程爬取
- 【C语言】数组知识点总结
热门文章
- [云炬python3玩转机器学习笔记] 3-9Numpy中的arg运算
- Coursera 吴恩达《Machine Learning》视频 + 作业
- VTK修炼之道78:交互与拾取_点拾取
- 【路由交换实验】OSPF
- 实验九 根据材料编程(改变字体颜色)
- DOS调用21H存取中断向量
- Linux 0.00 代码解析(一)
- JVM_04 对象的实例化+内存布局+访问定位+直接内存
- bootstrap.yml和application.yml的区别
- cast函数 oracle 日期_从Oracle到PG 该做的改造工作一个都不能少!