導讀git
咱們對2020年所有計算機視覺目標跟蹤方向綜述論文進行了分方向梳理。github
引言
在過去的一年中，計算機視覺領域出現了許多優秀的工做，並推進了相關領域的技術發展與進步。去年上半年，極市曾盤點過計算機視覺領域綜述論文，並進行了分類整理，獲得了不少讀者的支持。所以，在2021年初，咱們對2020年出現的所有計算機視覺綜述論文進行了分方向梳理，但願能幫助你們學習進步。web
注：文章將同步更新於Github上，歡迎你們 star/fork
https://github.com/extreme-assistant/survey-computer-vision算法
綜述一
【1】 Correlation Filter for UAV-Based Aerial Tracking: A Review and Experimental Evaluation安全
標題：相關過濾無人機空中跟蹤技術綜述與實驗評估
做者：Changhong Fu, Geng Lu
連接：https://arxiv.org/abs/2010.06255
微信
本文共梳理94篇相關文獻，由同濟大學學者提出。app
配備有視覺跟蹤方法的基於無人機（UAV）的遙感系統已被普遍用於航空，導航，農業，運輸和公共安全等。如上所述，基於UAV的航空跟蹤平臺已經從研究階段逐步發展到實際應用階段，成爲將來主要的航空遙感技術之一。可是，因爲現實世界中充滿挑戰的狀況，無人機的機械結構（特別是在強風條件下）的振動以及有限的計算資源，準確性，魯棒性和高效率對於機載跟蹤方法都是相當重要的。最近，基於區分相關濾波器（DCF）的跟蹤器以其高計算效率和在單個CPU上具備吸引力的魯棒性而引人注目，並在UAV視覺跟蹤社區中蓬勃發展。本文首先歸納了基於DCF的跟蹤器的基本框架，在此基礎上，根據其解決各類問題的創新，有序總結了20種基於DCF的最新跟蹤器。此外，對各類流行的無人機跟蹤基準進行了詳盡和定量的實驗，即UAV123，UAV123_10fps，UAV20L，UAVDT，DTB70和VisDrone2019-SOT。框架
在無人機追蹤基準[UAVDT]下，基於DCF的追蹤器和深度追蹤器的性能比較。圖例中帶有*的跟蹤器是在GPU上運行的結果，該GPU利用GPU加速了卷積和池計算。當跟蹤速度在單個CPU上達到紅色虛線（30FPS）時，就能夠知足無人機實時跟蹤的要求:編輯器
無人機平臺上基於DCF的方法的通常跟蹤結構，可分爲訓練階段，模型更新和檢測階段:性能
六個基準測試中的原始屬性（在線下）和新屬性之間的對應關係，以及每一個基準測試對每一個新屬性的序列號貢獻:
綜述二
【2】 Multi-modal Visual Tracking: Review and Experimental Comparison
標題：多模態視覺跟蹤：綜述與實驗比較
做者：Pengyu Zhang,Dong Wang,Huchuan Lu
連接：https://arxiv.org/abs/2012.04176
本文共梳理127篇相關文獻。
視覺對象跟蹤做爲計算機視覺中的一項基本任務，近年來引發了不少關注。爲了將跟蹤器擴展到更普遍的應用範圍，研究人員引入了來自多種模式的信息來處理特定的場景，這是新興方法和基準的有前途的研究前景。爲了全面回顧多模式跟蹤，本文從不一樣方面總結了多模式跟蹤算法，特別是在統一分類法中的可見深度（RGB-D）跟蹤和可見熱（RGB-T）跟蹤，提供了有關基準和挑戰的詳細描述。此外，本文進行了普遍的實驗，以分析跟蹤器在五個數據集上的有效性：PTB，VOT19-RGBD，GTOT，RGBT234和VOT19-RGBT。
早期融合（EF）和晚期融合（LF）的工做流程。基於EF的方法進行特徵融合並共同建模；而基於LF的方法旨在分別爲每一個模態建模，而後組合其決策：
OAPF框架。應用了帶有遮擋處理的粒子濾波方法，其中遮擋模型是針對模板模型構造的。當目標被遮擋時，遮擋模型用於預測位置而無需更新模板模型：
JMMAC的工做流程。基於CF的跟蹤器用於對外觀提示進行建模，同時考慮了相機和目標運動，從而得到了可觀的性能:
本文分享自微信公衆號 - 智能算法（AI_Algorithm）。
若有侵權，請聯繫 support@oschina.cn 刪除。
本文參與「OSC源創計劃」，歡迎正在閱讀的你也加入，一塊兒分享。