面向核相关滤波器的旋转学习
计算机视觉与模式识别
2017-08-15 v1
摘要
核相关滤波器在多个基准测试中展现出在速度和精度方面极具前景的视觉跟踪方案。然而，它受到遮挡、旋转和尺度变化等影响其性能的问题的困扰。本文试图通过重新表述学习相关滤波器的优化问题来解决旋转问题。这一改进（RKCF）包括学习旋转滤波器，该滤波器利用 HOG 特征的循环结构来估计从一帧到下一帧的旋转，并增强 KCF 的检测能力。因此，它在许多 OBT50 测试视频中以最小的额外计算量获得了整体准确率的提升。
引用
@article{arxiv.1708.03698,
title = {Learning Rotation for Kernel Correlation Filter},
author = {Abdullah Hamdi and Bernard Ghanem},
journal= {arXiv preprint arXiv:1708.03698},
year = {2017}
}
备注
6 pages, 11 figures, tracking, CVPR, Correlation Filters,KCF, visual object tracking