结合贝叶斯非参数方法的深度连体网络用于视频目标跟踪
计算机视觉与模式识别
2018-11-20 v1
摘要
我们提出一种新颖算法，利用深度连体神经网络作为通用目标相似度函数，并结合贝叶斯优化（BO）框架来编码时空信息，以实现高效的视频目标跟踪。具体而言，我们将视频跟踪问题视为一个动态（即随时间演化）的优化问题。利用高斯过程先验，我们对表示每帧中跟踪目标位置动态目标函数进行建模。通过利用时间相关性，所提方法以统计上严谨且高效的方式查询搜索空间，相较于当前最先进的视频跟踪方法具有若干优势。
引用
@article{arxiv.1811.07386,
title = {Deep Siamese Networks with Bayesian non-Parametrics for Video Object Tracking},
author = {Anthony D. Rhodes and Manan Goel},
journal= {arXiv preprint arXiv:1811.07386},
year = {2018}
}