基于标签噪声稀疏表示与动态分类器选择的鲁棒视觉跟踪
计算机视觉与模式识别
2019-03-20 v1
摘要
近年来一类基于“检测跟踪”（tracking-by-detection）的方法被广泛用于视觉跟踪问题。这类方法大多利用跟踪器生成的样本在线更新分类器以应对外观变化。然而，由于训练样本中弱分类器标签不正确，这种自更新方案使这些方法遭受漂移问题。本文将类标签拆分为真实标签和噪声标签，并通过稀疏表示对其建模。提出了一种对含噪训练数据鲁棒的新型动态分类器选择方法。此外，我们将所提出的分类器选择算法集成到基于部件的在线提升框架中用于视觉跟踪。我们在 12 个包含严重遮挡、显著光照变化和大姿态变化的具有挑战性序列上评估了所提方法。定性和定量评估均表明，我们的方法准确且鲁棒地跟踪目标，并优于当前最优（SOTA）跟踪器。
引用
@article{arxiv.1903.07801,
title = {Robust Visual Tracking Using Dynamic Classifier Selection with Sparse Representation of Label Noise},
author = {Yuefeng Chen and Qing Wang},
journal= {arXiv preprint arXiv:1903.07801},
year = {2019}
}
备注
accepted at ACCV2012, Oral