视觉跟踪---MEEM算法--eccv14

2024-01-09 11:32
文章标签 算法 视觉 跟踪 eccv14 meem

本文主要是介绍视觉跟踪---MEEM算法--eccv14,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

参考文献:eccv14_(MEEM)_Robust Tracking via Multiple Experts using Entropy Minimization

文献及源码网址:点击打开链接

说明:本文按照文献中的内容,对文章进行梳理和评论;凡是有ps的地方,表示是博主自己的想法

【摘要】:作者提出一种称为multi-expert restoration scheme的方法,来解决跟踪中出现的模型漂移问题(model drift problem

【简介】:

       1 作者使用的是基于检测的框架(within a tracking-by-detection framework),也就是借助分类器来实现跟踪

       2 作者介绍了model shift的一些原因:Model drift occurs because factors like tracking failure, occlusions and misalignment of training samples can lead to bad model updates
   3 作者又指出,目前一些文献的解决方法,是给update增加一些判断机制,但是这些判断通常是基于目标运动和外形变化平滑的假设,所以在一些具有挑战性的场景下会失效,由此导致track 跟踪到背景,发生错误;(ps:所以需要非常具有鲁棒性的update判断机制,能够达到人类的判断能力)

       4 作者在此基础上提出一种解决办法:能够在错误的update发生后,修正它,correct it;作者称之为multi-expert tracking framework

       5 multi-expert tracking framework的原理:保存之前帧的一些tracker(总数不超过4个),组成一个专家组,对当前帧,专家组中的每一个tracker给出自己的预测结果,然后根据熵损失函数选择使用哪个tracker的预测结果,如果使用的不是当前帧的tracker,则将当前帧的tracker restore

   6 损失函数:在监督学习领域,损失函数是计算预测值与标签之间的差值,但是在online tracking领域,是没有label的;所以作者使用的是参考文献10中提出的熵正则化优化函数(entropy-regularized optimization function),来作为损失函数,也就是据此来选择一个expert

       7 作者的图1能很好的解释作者的思想:作者保存了250 300 350帧的tracker作为专家组的成员,然后根据损失函数计算374帧时4种tracker对374帧时红绿两个框的置信度分数,显然250帧时截取的目标,能够很好的区分red和green box,作者根据判决的明晰程度决定使用250帧的expert的预测结果


       7 the base tracker:作者使用的是online SVM算法,参考的文献26,但是不明白作者说的employing compact prototype sets是什么意思;作者使用的是线性核,参考文献19使用的特征映射技术

   8 作者总结了自己文章的贡献:在base tracker的基础上,使用了MEEM方法(MultiExpert Entropy Minimization (

这篇关于视觉跟踪---MEEM算法--eccv14的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/586974

相关文章

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

康拓展开(hash算法中会用到)

康拓展开是一个全排列到一个自然数的双射(也就是某个全排列与某个自然数一一对应) 公式: X=a[n]*(n-1)!+a[n-1]*(n-2)!+...+a[i]*(i-1)!+...+a[1]*0! 其中,a[i]为整数,并且0<=a[i]<i,1<=i<=n。(a[i]在不同应用中的含义不同); 典型应用: 计算当前排列在所有由小到大全排列中的顺序,也就是说求当前排列是第

csu 1446 Problem J Modified LCS (扩展欧几里得算法的简单应用)

这是一道扩展欧几里得算法的简单应用题,这题是在湖南多校训练赛中队友ac的一道题,在比赛之后请教了队友,然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意:把题意转变下就变成了:求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点:求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖

【数据结构】——原来排序算法搞懂这些就行,轻松拿捏

前言:快速排序的实现最重要的是找基准值,下面让我们来了解如何实现找基准值 基准值的注释:在快排的过程中,每一次我们要取一个元素作为枢纽值,以这个数字来将序列划分为两部分。 在此我们采用三数取中法,也就是取左端、中间、右端三个数,然后进行排序,将中间数作为枢纽值。 快速排序实现主框架: //快速排序 void QuickSort(int* arr, int left, int rig

poj 3974 and hdu 3068 最长回文串的O(n)解法(Manacher算法)

求一段字符串中的最长回文串。 因为数据量比较大,用原来的O(n^2)会爆。 小白上的O(n^2)解法代码:TLE啦~ #include<stdio.h>#include<string.h>const int Maxn = 1000000;char s[Maxn];int main(){char e[] = {"END"};while(scanf("%s", s) != EO

秋招最新大模型算法面试,熬夜都要肝完它

💥大家在面试大模型LLM这个板块的时候,不知道面试完会不会复盘、总结,做笔记的习惯,这份大模型算法岗面试八股笔记也帮助不少人拿到过offer ✨对于面试大模型算法工程师会有一定的帮助,都附有完整答案,熬夜也要看完,祝大家一臂之力 这份《大模型算法工程师面试题》已经上传CSDN,还有完整版的大模型 AI 学习资料,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

dp算法练习题【8】

不同二叉搜索树 96. 不同的二叉搜索树 给你一个整数 n ,求恰由 n 个节点组成且节点值从 1 到 n 互不相同的 二叉搜索树 有多少种?返回满足题意的二叉搜索树的种数。 示例 1: 输入:n = 3输出:5 示例 2: 输入:n = 1输出:1 class Solution {public int numTrees(int n) {int[] dp = new int

Codeforces Round #240 (Div. 2) E分治算法探究1

Codeforces Round #240 (Div. 2) E  http://codeforces.com/contest/415/problem/E 2^n个数,每次操作将其分成2^q份,对于每一份内部的数进行翻转(逆序),每次操作完后输出操作后新序列的逆序对数。 图一:  划分子问题。 图二: 分而治之,=>  合并 。 图三: 回溯:

最大公因数:欧几里得算法

简述         求两个数字 m和n 的最大公因数,假设r是m%n的余数,只要n不等于0,就一直执行 m=n,n=r 举例 以18和12为例 m n r18 % 12 = 612 % 6 = 06 0所以最大公因数为:6 代码实现 #include<iostream>using namespace std;/