深航迹

深度跟踪:在线学习辨别性特征表示,用于鲁棒视觉跟踪。深度神经网络虽然在计算机视觉任务中对特征学习的巨大成功通常被认为是在线视觉跟踪的不切实际的,因为它们需要很长的训练时间和大量的训练样本。在这项工作中,我们提出了一种有效的和非常鲁棒的跟踪算法,使用单卷积神经网络(美国有线电视新闻网),用于学习目标对象的有效特征表示,以纯粹的在线方式。我们的贡献是多方面的:首先,我们引入一个新的截断结构损失函数,尽可能多地保持训练样本,并减少跟踪误差累积的风险。第二,我们加强了普通随机梯度下降法在美国有线电视新闻网训练与强大的样本选择机制。采样机制从时间分布中随机生成正样本和负样本,这些时间分布通过考虑时间关系和标签噪声来生成。最后,为美国有线电视新闻网的培训设计了一个懒而有效的更新方案。配备了这种新的更新算法,美国有线电视新闻网模型是稳健的一些长期存在的困难,在视觉跟踪,如遮挡或错误检测,而没有失去有效的适应显着的外观变化。在实验中,我们的美国有线电视新闻网跟踪器优于所有比较先进的方法在两个最近提出的基准,其中总共涉及超过60个视频序列。对现有跟踪器的显著性能改进说明了所学的特征表示的优越性。

本软件关键词

这里的任何东西都将在支持画布元素的浏览器上被替换。