用于在线目标跟踪的外观模型深度学习
计算机视觉与模式识别
2016-07-12 v1
摘要
本文介绍一种基于深度学习的视觉单目标跟踪新方法。我们通过提出一种网络架构来解决此问题，该架构接收输入视频帧，并通过估计正负样本的概率分布，直接计算出任意候选目标位置的跟踪分数。这是通过将深度卷积神经网络与贝叶斯损失层结合在统一框架中实现的。为了处理正训练样本数量有限的问题，网络先进行离线预训练以学习通用图像特征表示，然后在多个步骤中进行微调。在每一帧执行在线微调步骤以学习目标外观。我们采用两阶段迭代算法自适应更新网络参数并维护目标/非目标区域的概率密度。跟踪器已在标准跟踪基准上测试，结果表明所提出的解决方案实现了最先进的（state-of-the-art）跟踪结果。
引用
@article{arxiv.1607.02568,
title = {Deep Learning of Appearance Models for Online Object Tracking},
author = {Mengyao Zhai and Mehrsan Javan Roshtkhari and Greg Mori},
journal= {arXiv preprint arXiv:1607.02568},
year = {2016}
}