迈向无模型、匿名目标跟踪的第一步：基于循环神经网络
计算机视觉与模式识别
2015-11-26 v2 机器学习
摘要
本文提出并研究了一种基于卷积网络与循环网络的新型视觉目标跟踪方法。该方法与现有的视觉目标跟踪方法(如基于滤波的方法和检测跟踪法)不同，其跟踪系统在离线状态下被显式训练以在噪声环境中跟踪匿名目标。所提出的视觉跟踪模型是端到端可训练的，最大程度减少了因目标表示不匹配以及真实底层动态与学习动态之间差异所带来的对抗性影响。我们通过生成具有不同条件(目标数量、噪声量以及训练形状与测试形状之间的匹配度)的人工视频序列，经验性地表明该跟踪方法在多种场景下均表现良好。
引用
@article{arxiv.1511.06425,
title = {First Step toward Model-Free, Anonymous Object Tracking with Recurrent Neural Networks},
author = {Quan Gan and Qipeng Guo and Zheng Zhang and Kyunghyun Cho},
journal= {arXiv preprint arXiv:1511.06425},
year = {2015}
}