基于强化学习的相关滤波选择用于视觉跟踪
计算机视觉与模式识别
2018-11-09 v1
摘要
相关滤波已被证明是视觉跟踪中许多方法的有效工具，特别是在跟踪精度与速度之间寻求良好平衡方面。然而，基于相关滤波的模型易受不准确跟踪结果导致的错误更新影响。迄今为止，处理相关滤波更新问题的努力甚少。本文提出一种解决相关滤波更新问题的新方法。在我们的方法中，我们并行更新并维护多个相关滤波模型，并使用深度强化学习从中选择最优相关滤波模型。为高效促进决策过程，我们提出一个决策网络来处理目标外观建模，该网络通过数百个具有挑战性的视频使用近端策略优化和轻量学习网络训练。在 OTB100 和 OTB2013 基准上对提出方法的详尽评估表明，该方法足以有效达到 62.3% 的平均成功率和 81.2% 的平均精度得分，均超过传统基于相关滤波的跟踪器性能。
引用
@article{arxiv.1811.03196,
title = {Correlation Filter Selection for Visual Tracking Using Reinforcement Learning},
author = {Yanchun Xie and Jimin Xiao and Kaizhu Huang and Jeyarajan Thiyagalingam and Yao Zhao},
journal= {arXiv preprint arXiv:1811.03196},
year = {2018}
}
备注
13 pages, 11 figures