ECCV 2018 DSLT:《Deep Regression Tracking with Shrinkage Loss》論文筆記
理解出錯之處望不吝指正。 本文模型叫做DSLT，將跟蹤任務視爲迴歸問題去解決。主要貢獻包括：①.提出一種收縮損失函數，降低背景信息中的那些簡單負樣本對損失函數的貢獻；②.使用殘差連接，融合多個卷積層和特徵圖。具體的網絡結構如下圖所示： 在上圖中，紅色虛線左側是特徵提取層，文中採用的是VGG-16。右側是迴歸網絡，使用第一幀進行訓練，並逐幀更新。 收縮損失函數 傳統的迴歸跟蹤問題
相關文章
- 1. ECCV2018 Deep Regression Tracking with Shrinkage Loss 目標跟蹤收縮損失
- 2. ECCV2018 Deep regression tracking with shrinkage loss 文章解讀
- 3. ECCV 2018 《Triplet Loss in Siamese Network for Object Tracking》論文筆記
- 4. PoseNet2：Geometric loss functions for camera pose regression with deep learning 論文筆記
- 5. ECCV 2012 KCF/DCF:《High-speed tracking with kernelized correlation filters》論文筆記
- 6. ECCV 2018 DaSiamRPN:《Distractor-aware Siamese Networks for Visual Object Tracking》論文筆記
- 7. ECCV 2018 MemTrack:《Learning Dynamic Memory Networks for Object Tracking》論文筆記
- 8. 論文筆記：SiamRPN++: Evolution of Siamese Visual Tracking with Very Deep Networks
- 9. Target-aware deep tracking 論文閱讀筆記
- 10. SIMPLE ONLINE AND REALTIME TRACKING WITH A DEEP ASSOCIATION METRIC（論文閱讀筆記）
- 更多相關文章...
- • ASP.NET Razor - 標記 - ASP.NET 教程
- • CAP理論是什麼？ - NoSQL教程
- • Tomcat學習筆記（史上最全tomcat學習筆記）
- • Scala 中文亂碼解決
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. ECCV2018 Deep Regression Tracking with Shrinkage Loss 目標跟蹤收縮損失
- 2. ECCV2018 Deep regression tracking with shrinkage loss 文章解讀
- 3. ECCV 2018 《Triplet Loss in Siamese Network for Object Tracking》論文筆記
- 4. PoseNet2：Geometric loss functions for camera pose regression with deep learning 論文筆記
- 5. ECCV 2012 KCF/DCF:《High-speed tracking with kernelized correlation filters》論文筆記
- 6. ECCV 2018 DaSiamRPN:《Distractor-aware Siamese Networks for Visual Object Tracking》論文筆記
- 7. ECCV 2018 MemTrack:《Learning Dynamic Memory Networks for Object Tracking》論文筆記
- 8. 論文筆記：SiamRPN++: Evolution of Siamese Visual Tracking with Very Deep Networks
- 9. Target-aware deep tracking 論文閱讀筆記
- 10. SIMPLE ONLINE AND REALTIME TRACKING WITH A DEEP ASSOCIATION METRIC（論文閱讀筆記）