Online Visual Tracking with One-Shot Context-Aware Domain Adaptation閱讀翻譯
Abstract 在線學習策略使視覺跟蹤器可以通過學習特定領域的線索來更強大地抵抗各種失真。 但是，跟蹤器採用此策略無法充分利用背景區域的區分上下文。 此外，由於每個時間步長都缺乏足夠的數據，因此在線學習方法還可能使跟蹤器易於過度擬合背景區域。 在本文中，我們提出了一種域自適應方法來增強語義背景上下文的貢獻。 領域適應方法僅由現成的深度模型來支撐。 所提出的方法的優勢在於其具有判別能力，可以應對嚴
相關文章
- 1. 走進VOT--《High Performance Visual Tracking with Siamese Region Proposal Network》閱讀翻譯
- 2. 【論文閱讀】Universal Domain Adaptation
- 3. Learning Multi-Domain Convolutional Neural Networks for Visual Tracking CVPR 2016 閱讀筆記
- 4. 【論文閱讀】Deep Cocktail Network: Multi-source Unsupervised Domain Adaptation with Category Shift
- 5. 翻譯「Learning Transferable Features with Deep Adaptation Networks」
- 6. DCFNet: Discriminant Correlation Filters Network for Visual Tracking 閱讀
- 7. 論文閱讀Domain Adaptation of DPM models
- 8. 《Unsupervised Domain Adaptation with Random Walks on Target Labelings》閱讀理解
- 9. 論文閱讀：MDNet: Learning Multi-Domain Convolutional Neural Networks for Visual Tracking
- 10. Transferable Attention for Domain Adaptation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
- • JDK13 GA發佈：5大特性解讀
- • 爲了進字節跳動，我精選了29道Java經典算法題，帶詳細講解
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. 走進VOT--《High Performance Visual Tracking with Siamese Region Proposal Network》閱讀翻譯
- 2. 【論文閱讀】Universal Domain Adaptation
- 3. Learning Multi-Domain Convolutional Neural Networks for Visual Tracking CVPR 2016 閱讀筆記
- 4. 【論文閱讀】Deep Cocktail Network: Multi-source Unsupervised Domain Adaptation with Category Shift
- 5. 翻譯「Learning Transferable Features with Deep Adaptation Networks」
- 6. DCFNet: Discriminant Correlation Filters Network for Visual Tracking 閱讀
- 7. 論文閱讀Domain Adaptation of DPM models
- 8. 《Unsupervised Domain Adaptation with Random Walks on Target Labelings》閱讀理解
- 9. 論文閱讀：MDNet: Learning Multi-Domain Convolutional Neural Networks for Visual Tracking
- 10. Transferable Attention for Domain Adaptation閱讀筆記