GCT: Graph Convolutional Tracking
摘要 傳統的Siamese網絡在不同的上下文語境下沒有充分利用目標的時空信息，當目標發生形變或面對背景干擾等挑戰時，跟蹤器無法有效地識別目標和背景。因此，本文首次將圖卷積網絡GCN引入到Siamese網絡中，充分利用若干歷史幀的時空信息和當前幀的上下文信息。該圖卷積跟蹤網絡GCT包括兩個圖結構，分別是時空圖卷積網絡ST-GCN和上下文圖卷積網絡CT-GCN，前者通過對以往若干模板幀的學習得到基於時
相關文章
- 1. GCT: Graph Convolutional Tracking
- 2. 粗讀CVPR論文《Graph Convolutional Tracking》
- 3. 閱讀心得：TGCN:Time Domain Graph Convolutional Network For Multiple Objects Tracking
- 4. Graph Convolutional Matrix Completion
- 5. Deep Graph-Convolutional Image Denoising
- 6. GRAPH CONVOLUTIONAL REINFORCEMENTLEARNING 筆記
- 7. Adaptive Graph Convolutional Neural Networks
- 8. MuchGCN：Multi-Channel Graph Convolutional Networks
- 9. SiamFC:Fully-Convolutional Siamese Networks for Object Tracking
- 10. CREST: Convolutional Residual Learning for Visual Tracking
- 更多相關文章...
- • Maven 項目文檔 - Maven教程
- • Git 標籤 - Git 教程
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. GCT: Graph Convolutional Tracking
- 2. 粗讀CVPR論文《Graph Convolutional Tracking》
- 3. 閱讀心得：TGCN:Time Domain Graph Convolutional Network For Multiple Objects Tracking
- 4. Graph Convolutional Matrix Completion
- 5. Deep Graph-Convolutional Image Denoising
- 6. GRAPH CONVOLUTIONAL REINFORCEMENTLEARNING 筆記
- 7. Adaptive Graph Convolutional Neural Networks
- 8. MuchGCN：Multi-Channel Graph Convolutional Networks
- 9. SiamFC:Fully-Convolutional Siamese Networks for Object Tracking
- 10. CREST: Convolutional Residual Learning for Visual Tracking