欢迎访问 如意编程网!

如意编程网

当前位置: 首页 > 编程资源 > 编程问答 >内容正文

编程问答

论文阅读 | DasiamRPN

发布时间:2024/7/5 编程问答 2 豆豆
如意编程网 收集整理的这篇文章主要介绍了 论文阅读 | DasiamRPN 小编觉得挺不错的,现在分享给大家,帮大家做个参考.

文献:DaSiamRPN: Zheng Zhu, Qiang Wang, Bo Li, Wu Wei, Junjie Yan, Weiming Hu."Distractor-aware Siamese Networks for Visual Object Tracking." ECCV (2018). [paper][github]

文章主要贡献

1.训练数据的扩充

  • 加入Detection pair (ImageNet,COCO中做数据增广)
  • negative simple in same categories (Called Distractor-aware Training)
  • negative simple in different categories (Called Distractor-aware Training)

    2.Distractor Model

    • 引入Distractor Model,将Proposal与exemplar的相似性度量得分减去所有之前预先得到的Distrator(NMS将网络提出的proposal去冗余,去掉classification score最高的proposal,在剩下的Distrator set 中保留score大于给定阈值的proposal)与当前proposal 的score(相似性度量)的加权和的平均

      3.long term Tracking

    • 当追丢时用local to global stategy 恒定step迭代的增加搜索区域的大小

      具体而言

      ## 1. 扩充数据集

      detection pairsnegative pair from same categoriessnegative pairs from different categories

      2. Distractor Model

      TEST:\(\Gamma(n)=(n-1)!\quad\forall n\in\mathbb N\)
      传统的SiamTracking是用求相似性度量用以下公式:
      \[f(x)=\varphi(x)*\varphi(z)+b\cdot\mathbf{1}\]
    • 作者提出将NMS将网络提出的proposal去冗余,去掉classification score最高的proposal,在剩下的Distrator set 中保留score大于给定阈值的proposal)与当前proposal 的score(相似性度量)的加权和的平均
      \[q=\mathop{\arg\max}\limits_{p_{k}\in\mathcal{P}} f(z,p_{k})- \frac{\hat{\alpha}-\sum_{i=1}^{n}\alpha_{i}f(d_{i},p_{k})} {\sum_{i=1}^{n}\alpha_{i}}\]
      \(\mathcal{P}\) 是score在top-k的proposal, \(\alpha_{i}\)是每个干扰proposal的权重(paper中是全为1), \(d_{i}\)是第 \(i\) 个 distractor proposal
    • 因为自相关操作是线性的,则将\(\varphi(p_{k})\)提出来:

    \[q=\mathop{\arg\max}\limits_{p_{k}\in\mathcal{P}}(\varphi(z)-\frac{\hat{\alpha}\sum_{i=1}^{n}\alpha_{i}f(d_{i},p_{k})} {\sum_{i=1}^{n}\alpha_{i}})*\varphi(p_{k})\]

    3.Long term Tracking

    • 当追丢时用local to global stategy 恒定step迭代的增加搜索区域的大小

      to be continued

    转载于:https://www.cnblogs.com/Zak-NoS/p/10947092.html

    总结

    以上是如意编程网为你收集整理的论文阅读 | DasiamRPN的全部内容,希望文章能够帮你解决所遇到的问题。

    如果觉得如意编程网网站内容还不错,欢迎将如意编程网推荐给好友。