深度学习用于目标追踪的论文及代码集锦

[1] Hierarchical Convolutional Features for Visual Tracking

Chao Ma et al.

SJTU

ICCV 2015

https://www.cv-foundation.org/openaccess/content_iccv_2015/papers/Ma_Hierarchical_Convolutional_Features_ICCV_2015_paper.pdf

本文的主要步骤示例如下

卷积层可视化示例如下

本文所提算法伪代码示例如下

其中(1)式及符号解释如下

(4)式及符号解释如下

(5)式及符号解释如下

(6)式及符号解释如下

各方法效果比较如下

代码地址

https://github.com/jbhuang0604/CF2

[2] Visual Tracking with Fully Convolutional Networks

Lijun Wang et al.

Dalian University of Technology

ICCV 2015

https://www.cv-foundation.org/openaccess/content_iccv_2015/papers/Wang_Visual_Tracking_With_ICCV_2015_paper.pdf

目标定位的特征映射示例如下

CNN用于图像分类时可以携带空间信息的示例如下

算法整体流程示例如下

对应的文字描述为

各方法效果对比如下

代码地址

https://github.com/scott89/FCNT

[3] Learning Multi-Domain Convolutional Neural Networks for Visual Tracking

Hyeonseob Nam, Bohyung Han

POSTECH

CVPR 2016

https://www.cv-foundation.org/openaccess/content_cvpr_2016/papers/Nam_Learning_Multi-Domain_Convolutional_CVPR_2016_paper.pdf

多领域网络结构示例如下

算法伪代码示例如下

各方法效果对比如下

代码地址

http://cvlab.postech.ac.kr/research/mdnet/

https://github.com/HyeonseobNam/MDNet

[4] Deep Tracking: Seeing Beyond Seeing Using Recurrent Neural Networks

Peter Ondru´ska

University of Oxford

AAAI 2016

http://www.robots.ox.ac.uk/~mobile/Papers/2016AAAI_ondruska.pdf

RNN滤波图解如下

4层的循环神经网络示例如下

代码地址

https://github.com/pondruska/DeepTracking

[5] ECO: Efficient Convolution Operators for Tracking

Martin Danelljan et al.

Linkoping University

CVPR 2017

http://openaccess.thecvf.com/content_cvpr_2017/papers/Danelljan_ECO_Efficient_Convolution_CVPR_2017_paper.pdf

各方法效果对比如下

代码地址

https://github.com/martin-danelljan/ECO

您可能感兴趣

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20181115G0AOAS00?refer=cp_1026
  • 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

扫码关注腾讯云开发者

领取腾讯云代金券