促进跟踪检测的信息最大化采样
计算机视觉与模式识别
2018-06-08 v1
摘要
自适应跟踪检测算法的性能不仅取决于分类和更新过程，还取决于采样过程。通常，此类跟踪器从上次预测目标位置的邻域中选取样本，或利用预定义的运动模型从其预期位置选取样本，这既未利用样本的内容，也未利用分类器提供的信息。我们引入了最具信息量采样的思想，其中采样器试图选取那些给判别式跟踪器的分类器制造困难的样本。随后，我们提出了一种主动判别协同跟踪器，该跟踪器嵌入了一个对抗性采样器以增强其对各种跟踪挑战的鲁棒性。实验表明，我们提出的跟踪器在各种基准视频上的表现优于SOTA跟踪器。
引用
@article{arxiv.1806.02523,
title = {Information-Maximizing Sampling to Promote Tracking-by-Detection},
author = {Kourosh Meshgi and Maryam Sadat Mirzaei and Shigeyuki Oba},
journal= {arXiv preprint arXiv:1806.02523},
year = {2018}
}
备注
visual tracking, information-maximizing sampling, active learning, structured sample learning