SANet：Structure-Aware Network for Visual Tracking 閱讀筆記
本文概覽 解決問題：由於CNN模型主要用於類間判別，所以大多數CNN用於目標跟蹤的任務中對目標物體的相似物都很敏感； 主要方法：CNN+RNN，CNN主要提供目標物體和背景之間的判別形，RNN主要提供目標物體和相似物之間的判別性； 主要思路：使用RNN對目標物體的self-structure信息建模，利用目標物體的self-structure信息加強目標物體與其相似物的判別性，並將目標物體的RNN
相關文章
- 1. DCFNet: Discriminant Correlation Filters Network for Visual Tracking 閱讀
- 2. DSiam閱讀筆記：Learning Dynamic Siamese Network for Visual Object Tracking
- 3. High Performance Visual Tracking with Siamese Region Proposal Network 閱讀筆記
- 4. SiameseRPN: High Performance Visual Tracking with Siamese Region Proposal Network論文閱讀筆記
- 5. Learning Multi-Domain Convolutional Neural Networks for Visual Tracking CVPR 2016 閱讀筆記
- 6. VITAL: Visual Tracking via Adversarial Learning 閱讀筆記
- 7. SA-Siam閱讀筆記：A Twofold Siamese Network for Real-Time Object Tracking
- 8. Learning Dynamic Siamese Network for Visual Object Tracking—ICCV2017 閱讀
- 9. DASiamRPN閱讀筆記：Distractor-aware Siamese Networks for Visual Object Tracking
- 10. 【Martin Danelljan PhD論文】Learning Convolution Operators for Visual Tracking 閱讀筆記
- 更多相關文章...
- • RSS 閱讀器 - RSS 教程
- • PHP 實例 - AJAX RSS 閱讀器 - PHP教程
- • Tomcat學習筆記（史上最全tomcat學習筆記）
- • JDK13 GA發佈：5大特性解讀
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. DCFNet: Discriminant Correlation Filters Network for Visual Tracking 閱讀
- 2. DSiam閱讀筆記：Learning Dynamic Siamese Network for Visual Object Tracking
- 3. High Performance Visual Tracking with Siamese Region Proposal Network 閱讀筆記
- 4. SiameseRPN: High Performance Visual Tracking with Siamese Region Proposal Network論文閱讀筆記
- 5. Learning Multi-Domain Convolutional Neural Networks for Visual Tracking CVPR 2016 閱讀筆記
- 6. VITAL: Visual Tracking via Adversarial Learning 閱讀筆記
- 7. SA-Siam閱讀筆記：A Twofold Siamese Network for Real-Time Object Tracking
- 8. Learning Dynamic Siamese Network for Visual Object Tracking—ICCV2017 閱讀
- 9. DASiamRPN閱讀筆記：Distractor-aware Siamese Networks for Visual Object Tracking
- 10. 【Martin Danelljan PhD論文】Learning Convolution Operators for Visual Tracking 閱讀筆記