无边界效应的快速核化相关滤波器
计算与语言
2018-06-19 v1 信息检索
摘要
近年来,基于相关滤波的跟踪器(CF trackers)因在定位精度与效率上的顶尖表现而备受视觉界关注。然而,视觉跟踪领域仍需应对以下关于 CF 跟踪器的困难:彻底避免或消除边界效应,同时利用非线性核并高效运行。本文中,我们提出一种无边界效应的快速核化相关滤波器(nBEKCF)以解决该问题。为彻底避免边界效应,通过传统滑动窗口采样一组\emph{真实}且\emph{稠密}的图像块,并将其作为训练样本来训练 nBEKCF 以拟合高斯响应图。由于其与现有 CF 跟踪器不同的理论基础,nBEKCF 可自然应用非线性核。为实现快速训练与检测,引入一组循环基来构造滤波器。开发了 ACSII 与 CCIM 两种算法以显著加速核相关矩阵的计算。ACSII 与 CCIM 充分利用训练样本的稠密性与基的循环结构,且完全在空域中运行。在我们的任务中,CCIM 的效率远超其 FFT 对应方法。在 OTB-2013、OTB-2015、NfS、VOT2018、GOT10k 和 TrackingNet 六个公开数据集上的大量实验表明,相较于为缓解边界效应而设计的 CF 跟踪器 BACF 和 SRDCF,我们的 nBEKCF 在无技巧的情况下取得了更高的定位精度,同时以更高的 FPS 运行。
引用
@article{arxiv.1806.06407,
title = {An Improved Text Sentiment Classification Model Using TF-IDF and Next Word Negation},
author = {Bijoyan Das and Sarit Chakraborty},
journal= {arXiv preprint arXiv:1806.06407},
year = {2018}
}