Learning Policies for Adaptive Tracking with Deep Feature Cascades
Learning Policies for Adaptive Tracking with Deep Feature Cascades
ICCV17 shotlight
作者:Chen Huang, CMU postdoctor,导师 Deva Ramanan
summary
文章主要贡献在于速度与精度的权衡(AUC 0.638,fps 23),通过强化学习策略,来控制网络的深度,使得精度和速度最佳。目前的跟踪算法大多数可以分为两类:基于lower feature的CF类方法,这类方法速度极快,到精度不好;基于deep learning的网络方法,这类方法精度高,但速度慢,无法做到实时。本文构建了一种深度特征 cascades(瀑布?),然后在每一层进行目标检测,但检测结果符合要求时(用强化Q-learning做决策),则停止检测,输出结果;否则进入下一层继续搜索检测目标。
method
object location
对于 cheap features,文章用的是dcf,对于卷积特征(c1-c5),文章用的是自相关函数:
f(x,z)=\varphi (x)*\varphi(z)+V\mathbb{I}
Learning Policies with Reinforcement Learning
action 文章action只定义了尺度的变化,没有涉及平移。action定义见上图右端。
station station为一tuple(F,h),F为平均score map,h为前四个状态的one-hotvector。
reward reward定义为
策略学习
文章用Q-leaning进行策略学习。
Implementation details
用类似SiamFC中的AlexNet进行特征提取,然后在ImageNet中训练整个网络,包括q-leaning方法。网络只进行off-line训练(因为没有全连接层所以不用on-line训练?)
Learning Policies for Adaptive Tracking with Deep Feature Cascades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 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 ...
- 论文笔记之:Action-Decision Networks for Visual Tracking with Deep Reinforcement Learning
论文笔记之:Action-Decision Networks for Visual Tracking with Deep Reinforcement Learning 2017-06-06 21: ...
- [CVPR2016]Learning Deep Feature Representations with Domain Guided Dropout for Person Re-id
论文题目:Learning Deep Feature Representations with Domain Guided Dropout for Person Re-identification 还是 ...
- Path Planning for UAV Ground Target Tracking via Deep Reinforcement Learning(IEEE Access-2020)
论文阅读 看文章我觉得,先看摘要,摘要基本能够让你了解这篇文章做了什么,但做论文笔记我先会从介绍写起,最终回到摘要 Path Planning for UAV Ground Target Tracki ...
- 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 ...
- 遥感图像-Deep Feature Alignment Neural Networks for Domain Adaptation of Hyperspectral Data高光谱数据深度特征对齐神经
Deep Feature Alignment Neural Networks for Domain Adaptation of Hyperspectral Data高光谱数据领域自适应的深度特征对齐神 ...
- DFAnet:Deep Feature Aggregation for Real-time Semantic Segmentation自己翻译的
DFAnet:Deep Feature Aggregation for Real-time Semantic Segmentation 原始论文Li H, Xiong P, Fan H, et al. ...
最新文章
- 编程的50种基础算法_[校招基础算法]常见的ML、DL编程题
- 推荐10款优秀的JavaScript Web UI库 框架和套件
- pygame加载MP3音乐
- 【c语言】模拟库函数strstr
- make 命令_Vim 命令大全
- nginx文件服务器修改根目录,nginx修改配置文件更改网站根目录无效?
- 人工智能,人脸识别门禁下的校园考勤
- 新年图书整理和相关的产品
- 万字详解:腾讯如何自研大规模知识图谱 Topbase
- 关于Oracle与MySQL的使用总结
- can test 接收报文_获取CAN报文并解析
- linux 多进程 同步,Linux内核同步,进程,线程同步
- 一个华为设备防病毒 ACL 配置
- 贝叶斯估计原理及流程
- linux进入Mysql 的Dos控制台,dos进入mysql的实现方法
- 人脸识别Python教学
- PLC控制系统在我国的发展及应用
- python调用扫描仪设备_python 端口扫描仪
- 九、MFC控件(一)
- [从头学数学] 第193节 推理与证明
热门文章
- 补间动画 http://www.sunnyos.com/
- linux 设备驱动 edition 3,Linux 设备驱动 Edition 3 在线书
- python如何读pst文件_Python 学习 第11篇:文件读写
- XP系统安装3T硬盘
- ASP.NET书法网站源码免费分享
- 时间戳转换,在线转换时间戳
- POJ2993 Emag eht htiw Em Pleh
- 技能梳理3@NODEMCU+串口屏+随机抽签+物理按键
- 读书·2019(15本)
- STM32F4xx 读保护 写保护 芯片被锁 解锁