《视觉跟踪最新方法与趋势》,44页最新综述带你全面了解视觉跟踪领域发展方向

2019 年 5 月 22 日 专知
《视觉跟踪最新方法与趋势》,44页最新综述带你全面了解视觉跟踪领域发展方向

【导读】近年来,随着深度学习算法在计算机视觉领域的广泛应用,各类计算机视觉技术得到了迅速发展,本文为大家带来了视觉目标跟踪领域的最新综述文章,为大家全面讲解这一问题的发展趋势。


介绍:


目前,视觉对象跟踪已经成为了一个非常活跃的研究方向,每年学术界都在提出大量的跟踪算法,这主要是因为,计算机视觉技术的迅猛发展,使得应用场景也在不断增加,例如人机交互、自动驾驶、机器人、监视和安全等。


在本文的综述中,我们回顾了跟踪领域的最新趋势和进展,并基于特征提取方法评估了不同跟踪器的稳定性,这项工作首先针对最近的跟踪器进行了全面调查,并将跟踪器分类为基于相关滤波的跟踪器,以及不基于相关滤波的跟踪器。进而根据模型架构和跟踪机制,将每个类别细分为各个小类;在本文的第二部分,我们通过实验评估了24个跟踪器的稳定性,并对比了基于手工特征与基于深度特征的跟踪器。经过观察发现,一般来说,使用深度特征的跟踪器表现的更好些,但在某种情况下,针对两种特征的融合使用可以显著提高跟踪性能。同时,为了克服现有评价基准的缺点,本文还提出了新的评估方法,并应用到了不同的算法评估阶段。我们分析了跟踪器在基准测试中的性能,并得出了最终结论,基于判别相关滤波的跟踪器要比其他跟踪器表现的更好,同时研究还表明,在判别相关滤波器上进行正则化操作,通常会提高跟踪性能。最后,本文阐述了本领域中的的发展进展与未来发展趋势。


完整版论文获取:

请关注专知公众号(点击上方蓝色专知关注

  • 后台回复“ROTAT” 就可以获取《Handcrafted and Deep Trackers: Recent Visual Object Tracking Approaches and Trends》的下载链接~ 


原文链接:

https://dl.acm.org/citation.cfm?doid=3320149.3309665


附论文预览:



更多内容请下载观看

-END-

专 · 知

专知,专业可信的人工智能知识分发,让认知协作更快更好!欢迎登录www.zhuanzhi.ai,注册登录专知,获取更多AI知识资料!

欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程视频资料和与专家交流咨询!

请加专知小助手微信(扫一扫如下二维码添加),加入专知人工智能主题群,咨询技术商务合作~

专知《深度学习:算法到实战》课程全部完成!540+位同学在学习,现在报名,限时优惠!网易云课堂人工智能畅销榜首位!

点击“阅读原文”,了解报名专知《深度学习:算法到实战》课程

登录查看更多
31

相关内容

计算机视觉是一门研究如何使机器“看”的科学,更进一步的说,就是是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉,并进一步做图形处理,使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科,计算机视觉研究相关的理论和技术,试图建立能够从图像或者多维数据中获取‘信息’的人工智能系统。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
小贴士
相关论文
Aidan Hogan,Eva Blomqvist,Michael Cochez,Claudia d'Amato,Gerard de Melo,Claudio Gutierrez,José Emilio Labra Gayo,Sabrina Kirrane,Sebastian Neumaier,Axel Polleres,Roberto Navigli,Axel-Cyrille Ngonga Ngomo,Sabbir M. Rashid,Anisa Rula,Lukas Schmelzeisen,Juan Sequeda,Steffen Staab,Antoine Zimmermann
79+阅读 · 2020年3月4日
A Comprehensive Survey on Transfer Learning
Fuzhen Zhuang,Zhiyuan Qi,Keyu Duan,Dongbo Xi,Yongchun Zhu,Hengshu Zhu,Hui Xiong,Qing He
85+阅读 · 2019年11月7日
Sicheng Zhao,Shangfei Wang,Mohammad Soleymani,Dhiraj Joshi,Qiang Ji
7+阅读 · 2019年10月3日
Transfer Adaptation Learning: A Decade Survey
Lei Zhang
29+阅读 · 2019年3月12日
Analysis Methods in Neural Language Processing: A Survey
Yonatan Belinkov,James Glass
4+阅读 · 2019年1月14日
Joaquin Vanschoren
108+阅读 · 2018年10月8日
Deep Learning for Generic Object Detection: A Survey
Li Liu,Wanli Ouyang,Xiaogang Wang,Paul Fieguth,Jie Chen,Xinwang Liu,Matti Pietikäinen
7+阅读 · 2018年9月6日
Yongfeng Zhang,Xu Chen
10+阅读 · 2018年5月13日
Chenglong Li,Liang Lin,Wangmeng Zuo,Jin Tang,Ming-Hsuan Yang
4+阅读 · 2018年4月30日
Burak Uzkent,Aneesh Rangnekar,Matthew J. Hoffman
6+阅读 · 2017年12月27日
Top