×
聂燕;张太平;赵林昌;马新迪;唐元艳;刘晓宇

带局部二进制卷积网络的暹罗金字塔残差模块用于单目标跟踪。 （英语） Zbl 1482.68213号

国际小波多分辨率。信息处理。 19，第6号，文章ID 2150026，17 p.（2021）.
摘要：视觉目标跟踪在过去几年里取得了迅速的进展，受到了越来越多的关注。众所周知，纹理信息在许多应用中起着至关重要的作用，例如，在人的再识别、图像分类等。在这项工作中，我们提出了一种基于暹罗网络的单目标跟踪新框架，称为带局部二进制卷积网络的暹罗金字塔残差模，用于单目标跟踪（SPLBCT）。提出了一种局部二值卷积（LBC）模型，用于提取跟踪目标的纹理特征，可以改善光照方差。采用金字塔残差模型（PRM）研究不同层次的特征，实现多尺度特征的融合。LBC和PRM的结合增强了图像数据的特征提取。根据两个目标跟踪基准（VOT2015和VOT2016）和在线跟踪基准（OTB100），最终的实验结果表明，与以前的一些跟踪器相比，该方法性能更好。

MSC公司：

68T07型 人工神经网络与深度学习
62小时30分 分类和区分；聚类分析（统计方面）

关键词：

暹罗网络;目标跟踪;局部二进制卷积网络;金字塔剩余模

软件：

二进制连接;XNOR-网络;分析网;边界框;深度实验室;更快的R-CNN;MS-COCO公司
PDF格式BibTeX公司 XML格式引用
\textit{Y.Nie}等人，《国际小波多分辨率》。信息处理。19，第6号，文章ID 2150026，17 p.（2021；Zbl 1482.68213）
全文： DOI程序

参考文献：

[1] Ammar，M.、Mahmoudi，S.和Stylianos，D.，新辅助化疗治疗中基于纹理的乳腺癌反应预测方法，基于软计算的医学图像分析（Elsevier，2018），第137-147页。
[2] Bertinetto，L.，Valmadre，J.，Golodetz，S.，Miksik，O.和Torr，P.S.，Staple:实时跟踪的补充学习者，2016年6月27日至30日美国内华达州拉斯维加斯IEEE计算机视觉与模式识别大会（CVPR），第1401-1409页。
[3] Bertineto，L.、Valmadre，J.、Henriques，J.F.、Vedaldi，A.和Torr，P.H.，用于对象跟踪的全卷积连体网络，Lect。注释计算。科学.9914（2016）850-865。
[4] Chen，L.，Huang，Q.，Pang，L.和Su，F.，结合纹理特征和背景加权颜色直方图的鲁棒跟踪，Lect。注释Electr。工程386（2016）751-759。
[5] Chen，L.，Papandreou，G.，Kokkinos，I.，Murphy，K.和Yuille，A.L.，Deeplab:使用深度卷积网络、atrous卷积和完全连接的CRFS进行语义图像分割，IEEE Trans。模式分析。马赫。Intell.40（4）（2017）834-848。
[6] Chen，Z.，You，X.，Zhong，B.，Li，J.和Tao，D.，动态调制掩模稀疏跟踪，IEEE Trans。Cybern.47（11）（2017）3706-3718。
[7] Chopra，S.、Hadsell，R.和LeCun，Y.，《区分性学习相似性度量，应用于人脸验证》，载于2013年IEEE计算机视觉与模式识别会议，美国加利福尼亚州圣地亚哥，2005年6月20日至25日（IEEE计算机学会，2005），第539-546页。
[8] M.Courbariaux、Y.Bengio和J.-P.David，《Binaryconnect：在传播过程中用二进制权重训练深层神经网络》，预印本（2015），arXiv:1511.00363。
[9] Danelljan，M.、Bhat，G.、Khan，F.和Felsberg，M.，Eco:高效卷积算子跟踪，2017年IEEE计算机视觉与模式识别（CVPR），美国檀香山，2017年7月21日至26日（IEEE计算机学会，2017），第6931-6939页。
[10] Diwakar，M.、Patel，P.K.、Gupta，K.和Chauhan，C.，《使用联合增强彩色纹理直方图进行目标跟踪》，载于2013年IEEE第二次国际会议图像信息处理，印度希姆拉，2013年12月9日至11日（IEEE，2013），第160-165页。
[11] Galoogahi，H.、Fagg，A.和Lucey，S.，《视觉跟踪的学习背景软件相关过滤器》，载于2017年IEEE国际计算机视觉会议（ICCV），意大利威尼斯，2017年10月22日至29日（IEEE计算机学会，2017），第1144-1152页。
[12] He，K.，Zhang，X.，Ren，S.和Sun，J.，图像识别的深度残差学习，2016年IEEE Conf.计算机视觉和模式识别（CVPR），美国加利福尼亚州洛斯阿拉米托斯，2016年6月27日至30日（IEEE计算机学会，2016），第770-778页。
[13] Juefei-Xu，F.、Boddeti，V.和Savvides，M.，局部二进制卷积神经网络，收录于2017年IEEE计算机视觉与模式识别会议（CVPR），美国夏威夷州火奴鲁鲁，2017年7月21日至26日（IEEE计算机学会，2017），第4284-4293页。
[14] Kristan，M.、Leonardis，A.和Matas，J.，《视觉对象跟踪VOT2016挑战结果》，《计算机视觉ECCV 2016研讨会》。ECCV 2016，（Springer，2016），第777-823页。
[15] Kristan，M.、Matas，J.、Leonardis，A.和Felsberg，M.，《视觉对象跟踪VOT2015挑战结果》，2015年IEEE国际计算机视觉研讨会（ICCVW）（IEEE计算机学会，2015年），第564-586页。
[16] Kumawat，S.、Verma，M.和Raman，S.，Lbvcnn：用于从图像序列中识别面部表情的局部二进制体积卷积神经网络，收录于2019年IEEE/CVF计算机视觉与模式识别研讨会（CVPRW），2019年6月16日至17日，美国加利福尼亚长滩（IEEE Computer Society，2019），第207-216页。
[17] Li，X.，Ma，C.，Wu，B.，He，Z.和Yang，M.，目标软件深度跟踪，2019 IEEE/CVF Conf.Computer Vision and Pattern Recognition（CVPR），美国加州长滩，2019年6月15-20日（IEEE Computer Society，2019），第1369-1378页。
[18] Li，B.，Wu，W.，Wang，Q.，Zhang，F.，Xing，J.和Yan，J.，Siamrpn++：暹罗视觉跟踪与深度网络的演变，2019年IEEE/CVF Conf，计算机视觉与模式识别（CVPR），美国加利福尼亚州长滩，2019月15-20日（IEEE Computer Society，2019），第4277-4286页。
[19] Li，B.，Yan，J.，Wu，W.，Zu，Z.和Hu，X.，《暹罗地区提案网络的高性能视觉跟踪》，2018 IEEE/CVF Conf.Computer Vision and Pattern Recognition（CVPR），美国加利福尼亚州洛斯阿拉米托斯，2018年6月18-23日（IEEE Computer Society，2018），第8971-8980页。
[20] Lin，T.，Dollr，P.，Girshick，R.，He，K.，Hariharan，B.和Belongie，S.，《用于物体检测的特征金字塔网络》，收录于Proc。IEEE conf.Computer Vision and Pattern Recognition，美国檀香山，2017年7月21-26日（IEEE Computer Society，2017），第2117-2125页。
[21] Lin，T.，Maire，M.，Belongie，S.，Hays，J.，Perona，P.和Ramanan，微软coco:Common objects in context，Lect。注释计算。科学8693（2014）740-755。
[22] W.Liu，A.Rabinovich和A.C.Berg，Parsenet:Looking wide to see better（2015），arXiv:1506.04579。
[23] Lukezic，A.、Vojir，T.、Cehovin Zajc，L.、Matas，J.和Kristan，M.，《信道和空间可靠性判别相关滤波器》，摘自Proc。IEEE Conf.计算机视觉和模式识别，美国火奴鲁鲁，2017年7月21日至26日（IEEE计算机协会，2017），第6309-6318页。
[24] Naveena，A.K.和Narayanan，N.，《使用颜色、纹理和形状描述符的组合进行图像检索》，载于2016年国际会议下一代智能系统（ICNGIS），印度科塔亚姆，2016年9月1-3日（IEEE计算机学会，2016），第1-5页。
[25] Ojala，T.、Pietikainen，M.和Maenpaa，T.，具有局部二进制模式的多分辨率灰度和旋转不变纹理分类，IEEE Trans。模式分析。马赫。《情报》24（7）（2002）971-987·Zbl 0977.68853号
[26] Rastegari，M.，Ordonez，V.，Redmon，J.和Farhadi，A.，Xnor-net：使用二进制卷积神经网络的Imagenet分类，摘自《欧洲计算机视觉会议》（Springer，2016），第525-542页。
[27] Real，E.，Shlens，J.，Mazzocchi，S.，Pan，X.和Vanhoucke，V.，Youtube-boundingboxes:用于视频中物体检测的大型高精度人机注释数据集，2017年IEEE Conf.Computer Vision and Pattern Recognition（CVPR），美国檀香山，2017年7月21日至26日（IEEE Computer Society，2017），第7464-7473页。
[28] S.Ren，K.He，R.Girshick和J.Sun，《Faster R-cnn：使用区域建议网络实现实时目标检测》，预印本（2015），arXiv:1506.01497。
[29] Russakovsky，O.、Deng，J.、Su，H.、Krause，J.、Satheesh，S.、Ma，S.、Huang，Z.、Karpathy，A.、Khosla，A.、Bernstein，M.、Berg，A.和Fei Fei，L.，Imagenet大规模视觉识别挑战，Int.J.Comput。见115（2014）211-252。
[30] K.Simonyan和A.Zisserman，《用于大规模图像识别的极深卷积网络》，预印本（2014），arXiv:1409.1556。
[31] Swati，Gupta，G.，Yadav，M.，Sharma，M.和Vig，L.，染色体分类的暹罗网络，2017年IEEE国际计算机视觉研讨会（ICCVW）（IEEE计算机学会，2017年），第72-81页。
[32] 田振中，赵华中，舒明明，杨振中，李瑞瑞，贾军，基于先验引导的特征富集网络，预印本（2020），arXiv:2008.01449。
[33] Townsend，A.、Racasan，R.和Blunt，L.，《特定表面添加剂制造测试人工制品》，《表面地形图》。大都会。提案6（2）（2018）024007。
[34] Valmadre，J.、Bertinetto，L.、Henriques，J.和Vedaldi，基于相关滤波器的跟踪的端到端表示学习，收录于2017年IEEE Conf.Computer Vision and Pattern Recognition（CVPR），美国檀香山，2017年7月21日至26日（IEEE Computer Society，2017），第5000-5008页。
[35] Voigtlaender，P.，Luiten，J.，Torr，P.S.和Leibe，B.，Siam R-CNN:通过重新检测进行视觉跟踪，2020年IEEE/CVF Conf.计算机视觉和模式识别（CVPR），美国西雅图，2020年6月13日至19日（IEEE Computer Society，2020），第6577-6587页。
[36] Wang，Q.，Zhang，L.，Bertinetto，L.、Hu，W.和Torr，P.H.，《快速在线对象跟踪和分割：统一方法》，2019年IEEE/CVF计算机视觉与模式识别会议，美国加利福尼亚州长滩，2019月15-20日（IEEE计算机学会，2019），第1328-1338页。
[37] Wu，Y.，Lim，J.和Yang，M.，对象跟踪基准，IEEE Trans。模式分析。马赫。《情报》37（9）（2015）1834-1848。
[38] Xue，J.，Zhang，H.和Dana，K.，《用于地面地形识别的深层纹理流形》，载于2018年IEEE/CVF计算机视觉和模式识别会议，美国加利福尼亚州洛斯阿拉米托斯，2018年6月18日至23日（IEEE计算机学会，2018），第558-567页。
[39] F.Yu和V.Koltun，《基于扩展卷积的多尺度上下文聚合》（2016），arXiv:1511.07122。
[40] Yu，Y.、Xiong，Y.、Huang，W.和Scott，M.R.，用于视觉对象跟踪的可变形连体注意力网络，2020年IEEE/CFF Conf.计算机视觉和模式识别（CVPR），美国华盛顿州西雅图，2020年6月13日至19日（IEEE计算机学会，2020），第6727-6736页。
[41] Yuan，Z.和Jun，S.，暹罗网络与多头部注意合作进行语义句子匹配，2020年第19国际交响乐团。分布式计算和商业工程与科学应用（DCABES），中国徐州，2020年10月16-19日（IEEE计算机学会，2020），第215-218页。
[42] Zhang，X.，Liu，L.，Xie，Y.，Chen，J.，Wu.，L.和Pietikainen，M.，旋转不变局部二进制卷积神经网络，2017 IEEE国际计算机视觉研讨会（ICCVW），（IEEE计算机学会，2017），第1210-1219页。
[43] Zhang，Z.和Peng，H.，用于实时视觉跟踪的更深层和更广的暹罗网络，2019年IEEE/CVF计算机视觉和模式识别（CVPR）会议，美国加利福尼亚州长滩，2019月15-20日（IEEE计算机学会，2019），第4586-4595页。
[44] Zhang，P.，Yu，S.，Xu，J.，You，X.，Jiang，X.-Y.和Tao，D.，使用多帧多特征联合建模的鲁棒视觉跟踪，IEEE Trans。电路系统。视频技术。29（12）（2019）3673-3686。
[45] Zhao，H.、Shi，J.、Qi，X.、Wang，X.和Jia，J.，《金字塔场景解析网络》，2017年IEEE计算机视觉与模式识别会议（CVPR），美国檀香山，2017年7月21日至26日（IEEE计算机学会，2017），第6230-6239页。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。