CREST：用于视觉跟踪的卷积残差学习
计算机视觉与模式识别
2017-08-03 v1 人工智能
多媒体
摘要
判别相关滤波器（DCFs）已被证明在视觉跟踪中表现优异。它们仅需来自初始帧的一小部分训练样本即可生成外观模型。然而，现有的 DCFs 将滤波器学习与特征提取分开，并使用具有经验权重的移动平均操作来更新这些滤波器。这些 DCF 跟踪器难以从端到端训练中获益。在本文中，我们提出了 CREST 算法，将 DCFs 重新表述为单层卷积神经网络。我们的方法将特征提取、响应图生成以及模型更新集成到神经网络中，以进行端到端训练。为了减少在线更新期间的模型退化，我们应用残差学习来考虑外观变化。在基准数据集上的大量实验表明，我们的 CREST 跟踪器优于 state-of-the-art 跟踪器。
引用
@article{arxiv.1708.00225,
title = {CREST: Convolutional Residual Learning for Visual Tracking},
author = {Yibing Song and Chao Ma and Lijun Gong and Jiawei Zhang and Rynson Lau and Ming-Hsuan Yang},
journal= {arXiv preprint arXiv:1708.00225},
year = {2017}
}
备注
ICCV 2017. Project page: http://www.cs.cityu.edu.hk/~yibisong/iccv17/index.html