- 博客(46)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 2020略读Learning Feature Embeddings for Discriminant Model based Tracking
Learning Feature Embeddingsfor Discriminant Model based Tracking基于判别模型跟踪的学习特征嵌入详情见知乎链接https://www.bilibili.com/read/cv7848324/在观察到大多数在线判别训练跟踪器中使用的特征不是最优的之后，本文提出了一种新颖有效的结构来学习用于在线判别跟踪的最优特征嵌入。我们的方法，称为离散余弦变换，将可微的判别模型的求解器和一个封闭形式的解集成到卷积神经网络中。然后，可以以端到端的方式训练所
2020-12-16 17:36:13
614
原创 2020 SiamCAR: Siamese Fully Convolutional Classification and Regression for Visual Tracki
用于视觉跟踪的孪生网路分类和回归SiamCAR: Siamese Fully Convolutional Classification and Regression for Visual Tracking可见链接论文讲解https://blog.csdn.net/qq_38680752/article/details/107344270?ops_request_misc=%25257B%252522request%25255Fid%252522%25253A%252522160803246016780
2020-12-15 19:52:23
616
原创 2020cvpr论文阅读之Efficient Adversarial Attacks for Visual ObjectTracking 视觉目标跟踪的高效对抗攻击
2020cvpr论文阅读之Efficient Adversarial Attacks for Visual ObjectTracking视觉目标跟踪的高效对抗攻击摘要现有的最先进的物体跟踪器，即基于暹罗的跟踪器，使用DNNs来获得高精度。然而，视觉跟踪模型的鲁棒性很少被研究。在本文中，我们分析了基于暹罗网络的目标跟踪器的弱点，并把反例扩展到视觉目标跟踪。我们提出了一种端到端网络FAN(快速攻击网络)，它使用一种新的漂移损失结合嵌入的特征损失来攻击基于暹罗网络的跟踪器。在单个GPU下，FAN训练速度高效
2020-12-15 17:57:33
1171
1
原创 2020cvpr阅读One-shot Adversarial Attacks on Visual Tracking with Dual Attention
转载链接至此：https://blog.csdn.net/qq_38391210/article/details/106979658关于双重注意力视觉跟踪系统中一次性对抗攻击
2020-12-15 17:03:46
380
原创 2020cvpr-Correlation-Guided Attention for Corner Detection Based Visual Tracking
https://www.bilibili.com/read/cv6647311/论文阅读之2020cvpr-Correlation-Guided Attention for Corner Detection Based Visual Tracking见上面知乎链接~基于相关指导注意力的角点检测目标跟踪多尺度搜索策略在涉及目标变化的挑战中不能估计包围框，故精确包围框估计最近应用较多，能够检测目标角点的跟踪器可以灵活的适应其变化，但是仅依赖基于角点检测的跟踪方法没有取得足够的成功。本文分析失败的原因然后
2020-12-15 16:56:12
948
原创 消融实验
类似于控制变量法对于一个问题Q，原先有个方法A，然后提出一个创新点，得到A+的方法B，然后为了比较创新点的作用控制B中关于A的实验的参数，并改变创新点，进行A和B的对比实验，看创新是否有效。...
2020-11-21 17:16:03
1325
原创 非极大值抑制
非极大值抑制（Non-Maximum Suppression，NMS），顾名思义就是抑制不是极大值的元素，可以理解为局部最大搜索。这个局部代表的是一个邻域，邻域有两个参数可变，一是邻域的维数，二是邻域的大小。这里不讨论通用的NMS算法(参考论文《Efficient Non-Maximum Suppression》对1维和2维数据的NMS实现)，而是用于目标检测中提取分数最高的窗口的。例如在行人检测中，滑动窗口经提取特征，经分类器分类识别后，每个窗口都会得到一个分数。但是滑动窗口会导致很多窗口与其他窗口存在包
2020-11-10 10:31:29
263
原创 网络结构模型
网络结构总览：https://www.cnblogs.com/silence-cho/p/11620863.html损失函数交叉熵：https://zhuanlan.zhihu.com/p/35709485
2020-11-06 10:19:53
131
原创 Siamese Box Adaptive Network for Visual Tracking --Siamban
论文链接 : http://xxx.itp.ac.cn/pdf/2003.06761v2.pdf 开源项目：https://github.com/hqucv/siamban 创新点:siamban框架 改进:准确估计目标的尺度和纵横比 由于RPN引入导致的参数复杂性 避免了很多超参...
2020-11-05 21:14:11
1235
原创 交叉熵、Focal loss、L1，L2，smooth L1损失函数、IOU Loss、GIOU、DIOU和CIOU
交叉熵、Focal loss、L1，L2，smooth L1损失函数、IOU Loss、GIOU、DIOU和CIOU 联言命题 2020-02-23 21:36:37 ...
2020-11-05 20:14:26
1651
原创 2020-10-28
SiamCAR: Siamese Fully Convolutional Classification and Regression for Visual Tracking 小左先生 ...
2020-10-28 21:44:45
847
原创 Siam-RCNN VIsual Tracking by Re-Detection
Abctract根据目前的siam-cnn，孪生再检测的结构，释放了视觉目标跟踪的两阶段目标检测方法的全部力量。我们结合一种新的基于轨迹的动态规划算法，该算法利用第一帧模板和前帧预测的重新检测，来模拟被跟踪对象和潜在干扰对象的完整历史。这使得我们的方法能够做出更好的跟踪决策，以及在长时间遮挡后重新检测被跟踪的对象。最后，我们提出了一种新的硬实例挖掘策略来提高Siam R-CNN对相似外观对象的鲁棒性。Siam R-CNN在10个跟踪基准上取得了目前最好的性能，特别是对于长期跟踪的非常棒的效果。www.v
2020-10-28 15:43:30
1764
2
原创 SIAMfc++：采用目标估计准则，实现稳健和准确的视觉跟踪
视觉跟踪是对给定目标有效的进行鲁棒性分类和准确的估计目标状态，之前的方法提出了多种目标状态估计方法，但少有方法考虑跟踪问题本身的特殊性，本文提出了一·种用于高性能通用的目标跟踪器设计的实用目标状态估计准则。通过设计一种就是siamfc++分类分支和目标运动估计分支（G1），无歧义分类得分（G2），没有先验知识的分支（G3），估计质量得分（G4),广泛的分析和大量的研究证实了本文提出的有效性。1、介绍一般视觉跟踪的目的就是在视频中顺序的定位运动物体，给定有限的信息，总是提取第一帧的信息，应用于无人机、视
2020-10-22 20:45:06
2848
4
原创 2020-09-02
Triplet Loss及其梯度https://blog.csdn.net/jcjx0315/article/details/77160273 Triplet Loss简介 我这里将Triplet Loss翻译为三元组损失，其中的三元也就是如下图的Anchor、Negative...
2020-09-02 17:00:24
193
原创 视频跟踪常用的数据库
1. 常用计算机视觉图像库:http://blog.csdn.net/xuejiren/article/details/38635121 //含有图像又含有是视频http://datasetfor.org/ 2.视频监控与跟踪，部分测试视频或图像序列地址：http://blog.csdn.net/zhang11wu4/article/details/8133969ftp://f.
2020-05-28 17:54:27
1105
原创 gitbook安装踩坑！！血泪史
GITBOOK安装踩坑@TOC欢迎使用Markdown编辑器Node.js安装及环境配置之Windows篇 一、安装环境1、本机系统：Windows 10 Pro（64位）2、Node.js：v6.9.2LTS（64位）二、安装Node.js步骤1、下载对应你系统的Node.js版本:https://nodejs.org/en/download/2、选安装目录进行安装3、环境配置4、测试三、前期准备1、Node.js简介简单的说 Node.js 就是运行在服务端的 JavaS
2020-05-13 16:58:21
1340
原创 Multi attention module for visual tracking阅读
摘要提出一种新颖的多层次的视觉注意力机制，充分的利用了跟踪的信息，大部分存在的注意力模型是仅仅关注于两个方面，而忽略了别的在视觉中的有用的信息，本文主要用了四个通道的的任务信息：时间关注，空间注意力，和双通道注意力机制。考虑到不同水平的深层次可能对不同情形是合适的。通过离线训练训练一个注意力网络结构。为了更好的利用一些假设。用长短时网路，包含了历史的上下文信息，背景的干扰也很重要，因此对空间和背...
2019-10-14 20:24:16
287
原创 基于siamesefc的针对模板匹配问题以及在线更新策略的改进
切入点是：因为总是利用模板的首帧作为匹配条件太过于机械，通常siamesfc网络是将目标搜索区域大小设置为目标的2至3倍，再利用余弦窗口掩盖补丁以减少边界效应，去除噪声，若背景混乱则检测范围小，在跟踪失败时容易发生。孪生网络进一步提升了判别能力。建议在线收集各种模板。单模板匹配限制了星罗网络的限制能力。故在线构建模板库，这样可以收集模板。1、本文主要贡献如下：自适应的模型更新策略，为防止跟踪...
2019-09-28 18:40:58
1900
7
原创 关于siamfc深度网络训练以及改进的点和总结
从以下参数指标分别参与训练epoch：一个epoch参数表示为网络对整个数据集完成了一次训练。iteration:迭代次数。即在一个epoch中，分成iteration个小的数据批次即minibatch，进行训练。例如样本总数为N，每个minibatch的batchsize为n，则迭代次数=N/nbatchsize:每迭代一个数据批次batch，则相当于损失函数的值在优化空间中“下降”了...
2019-09-25 15:47:27
4357
1
转载 SiameseFC-TensorFlow 代码详细注解（二）：训练数据VID2015预处理
原 SiameseFC-TensorFlow 代码详细注解（二）：训练数据VID2015预处理 ...
2019-09-17 19:59:53
502
转载 关于siamfc tensorflow1
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。 ...
2019-09-17 19:58:16
906
原创 论文阅读之Siamese RPN以及一些其他内容的补充
siameseRPN是在fc的基础上 多了尺度检测能力RPN的引入，使得Siamese网络自然拥有了多尺度检测的能力（通过anchor机制cover各种size），并且可以准确地回归出目标的位置及大小。是在离线训练的基础上不更新模型，利用一种端到端的输出其实本质上是一种rnn模式，关于尺度的大小变化可根据图像金字塔得到。图像金字塔具体是怎么进行的？是在检测分支中添加了rpn结构其中利用了元学习...
2019-09-12 21:48:01
1622
原创 阅读笔记之SiamMask: Fast Online Object Tracking and Segmentation
SiamMask: Fast Online Object Tracking and Segmentation这篇文章是CVPR2019的一篇关于目标跟踪及分割的文章，论文作者团队来自中科院自动化所、牛津大学、Five AI公司。论文：https://arxiv.org/abs/1812.05050Github：https://github.com/foolwood/SiamMask项目网站...
2019-09-12 17:49:51
581
原创 关于siamese系列的思考以及我一点点感想吧
对于目标跟踪而言，一般论文开篇通常都会说在第一帧给定目标位置，在后续帧中预测目标的位置。然而如何对后续帧中表述的定义直接影响了整个跟踪领域的发展。为了方便表述，早期的跟踪算法都是坐标轴对齐的的矩形框。但随着跟踪精度的不断提升，数据集的难度在不断提升，在VOT2015时即提出使用旋转矩形框来作为标记。在VOT2016的时候提出自动的通过mask来生成旋转框的方法。更为本质的，我们会发现，这个旋转的...
2019-09-12 16:08:17
1119
2
原创 ECO算法的代码运行配置以及阅读笔记
先编译matconvnet 然后就回出现mex文件夹，说明你编译成功了。其中编译是下载matconvnet然后运行vl-compilenn注意编译时用vs关于vs跟matlab的配置见我之前的博客，关键是vs版本比matlab的要低，否则各种报错。最后我终于成功。太难了！我自己弄的，环境变量啥的设置网上都有，所以不慌，你也可以！然后就是直接打开下载的eco运行install 如果你...
2019-09-12 14:52:23
2352
10
原创 论问笔记之siamesefc记录
全名：Fully-Convolutional Siamese Networks for Object Tracking论文摘自ECCV Workshop 2016，由Luca Bertinetto、Jack Valmadre、Jo ̃ao F. Henriques、Andrea Vedaldi与Philip H. S. Torr撰写，它是Jo ̃ao F. Henriques继KCF之后又一大作...
2019-09-12 11:18:51
896
原创 基准集 所遇到问题的一些解决
关于基准集下 几个文件夹的作用，* ‘.\results\results_SRE_CVPR13’ '.\results\results_TRE_CVPR13’所有跟踪结果的存放目录‘.\anno’ 注释文件（边界框和属性）的目录'.\initOmit’包含由于遮挡或目标超出视野而被省略的用于跟踪初始化的帧的注释 的目录‘.\results’ 跟踪结果的存放目录‘.\rs...
2019-09-10 17:21:25
563
2
原创 github上tensorflow预训练模型下载链接
github上tensorflow预训练模型下载链接：https://github.com/tensorflow/models/tree/master/research/slim
2019-08-26 18:48:57
452
原创 关于掩膜的概念mask
什么是掩膜（mask）数字图像处理中的掩膜的概念是借鉴于PCB制版的过程，在半导体制造中，许多芯片工艺步骤采用光刻技术，用于这些步骤的图形“底片”称为掩膜（也称作“掩模”），其作用是：在硅片上选定的区域中对一个不透明的图形模板遮盖，继而下面的腐蚀或扩散将只影响选定的区域以外的区域。图像掩膜与其类似，用选定的图像、图形或物体，对处理的图像（全部或局部）进行遮挡，来控制图像处理的区域或处理过程。...
2019-07-19 20:06:18
839
原创 期刊分类
(1) 国际会议通常，国际上计算机视觉方面的三大国际会议是ICCV， CVPR和ECCV，统称之为ICE。ICCV，International Comference on Computer Vision，国际计算机视觉会议，是公认的三个会议中级别最高的，收录率一般在20%左右，由IEEE主办。【收录论文的内容：底层视觉与感知，颜色、光照与纹理处理，分割与聚合，运动与跟踪，立体视觉与运动结构重构...
2019-07-18 09:21:11
1744
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人