JOTS: Joint Online Tracking and Segmentation

2024-02-20 17:18
文章标签 online segmentation tracking joint jots

本文主要是介绍JOTS: Joint Online Tracking and Segmentation，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！

来源:CVPR2015

创新点：

提出一种新颖的联合在线跟踪和分割的算法，该算法把多部件跟踪和分割整合到一个统一的能量最优的框架中，目的是处理视频分割的任务。多部件分割可以看成是根据估计的部件模型使用正则化的像素级别的标签分配任务。跟踪可以被表达成基于像素标签，估计部件模型。多部件跟踪和分割被迭代的执行，目的是通过一种ransac-style的方式，最小化提出的函数。

贡献：

①为实现在线视频分割，提出了一种在线跟踪与分割相结合的算法。为了实现更好的性能，多部件跟踪与分割被集成在了一个统一的能量目标函数中。

②所提能量函数的最小化被一种带有扩展算法的ransac-style的方法有效解决。


这篇关于JOTS: Joint Online Tracking and Segmentation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/728949。

相关文章

Unity --hinge joint

Unity --hinge joint

关节介绍 关节一共分为5大类：链条关节，固定关节，弹簧关节，角色关节和可配置关节。 链条关节（hinge joint）：将两个物体以链条的形式绑在一起，当力量大于链条的固定力矩时，两个物体就会产生相互的拉力。固定关节（fixed joint）：将两个物体永远以相对的位置固定在一起，即使发生物理改变，它们之间的相对位置也将不变。弹簧关节（spring joint）：将两个物体以弹簧的形式绑
阅读更多...
[LeetCode] 901. Online Stock Span

[LeetCode] 901. Online Stock Span

题：https://leetcode.com/problems/online-stock-span/ 题目大意 不断给出元素，求当前元素开始往前的最大子串，且串中每个元素的值都小于等于 该元素。 思路 class stockPair{int price;int day;public stockPair(int price,int day){this.price = price;this.d
阅读更多...
Segmentation简记-Multi-stream CNN based Video Semantic Segmentation for Automated Driving

Segmentation简记-Multi-stream CNN based Video Semantic Segmentation for Automated Driving

创新点 1.RFCN & MSFCN 总结 网络结构如图所示。输入视频得到图像分割结果。 简单粗暴
阅读更多...
Segmentation简记5-AuxNet: Auxiliary tasks enhanced Semantic Segmentation for Automated Driving

Segmentation简记5-AuxNet: Auxiliary tasks enhanced Semantic Segmentation for Automated Driving

创新点 1.分割网络为主任务，深度估计网络为辅任务 2.loss的设计 总结如图所示 网络结构如图所示 其实很容易理解。 backbone是基于ResNet50 分割网络是基于FCN8 深度估计网络与分割网络类似，最后一层是回归深度层。 最有意思的是两种任务的loss的合并。 分割的loss很常见：cross entropy 深度loss：mean absolute error 算法一：
阅读更多...
DS简记1-Real-time Joint Object Detection and Semantic Segmentation Network for Automated Driving

DS简记1-Real-time Joint Object Detection and Semantic Segmentation Network for Automated Driving

创新点 1.更小的网络，更多的类别，更复杂的实验 2. 一体化 总结 终于看到一篇检测跟踪一体化的文章 网络结构如下： ResNet10是共享的Encoder，yolov2 是检测的Deconder，FCN8 是分割的Deconder。 其实很简单，论文作者也指出：Our work is closest to the recent MultiNet. We differ by focus
阅读更多...
Segmentation简记3-UPSNet: A Unified Panoptic Segmentation Network

Segmentation简记3-UPSNet: A Unified Panoptic Segmentation Network

Segmentation简记3-UPSNet: A Unified Panoptic Segmentation Network 创新点总结实验 创新点 1.统一的全景分割网络 总结 uber的作品 网络结构如下： 还是比较简洁的。 Backbone 采用了原始mask rcnn。 Instance Segmentation Head 使用了最大的特征图，包括bbox回归，分
阅读更多...
Segmentation简记2-RESIDUAL PYRAMID FCN FOR ROBUST FOLLICLE SEGMENTATION

Segmentation简记2-RESIDUAL PYRAMID FCN FOR ROBUST FOLLICLE SEGMENTATION

创新点 与resnet结合，五层/level的分割由此带来的梯度更新问题，设计了两种方案。 总结 有点意思。看图吧，很明了。 细节图： 全流程图： 实验 Res-Seg-Net-horz: 在UNet上堆叠5个细节图中的结构，没有上采样层。 Res-Seg-Net-non-fixed: 普通方式的更新 Res-Seg-Net-fixed: 每一层的更新，只依据距离它最近的一
阅读更多...
3D Deeply Supervised Network for Automatic Liver Segmentation from CT Volumes

3D Deeply Supervised Network for Automatic Liver Segmentation from CT Volumes

下面博主详细翻译了该篇论文，可以当做详尽的参考，并认真学习。 【参考】论文笔记：3D Deeply Supervised Network for Automatic Liver Segmentation from CT 数据集： MICCAI-SLiver07[1] 数据预处理： 作者没有讲数据预处理的过程。 CRF 轮廓精细修正： 参考上述博主博客。 参考文献： [1]Heimann,
阅读更多...
Liver Segmentation in CT based on ResUNet with 3D Probabilistic and Geometric Post Process

Liver Segmentation in CT based on ResUNet with 3D Probabilistic and Geometric Post Process

一、摘要 本文提出了使用具有3D概率和几何后期处理功能的ResUNet的新型肝分割框架。 我们的语义分割模型ResUNet在U-Net的上采样和下采样部分添加了残差单元和批处理规范化层，以构建更深的网络。 为了快速收敛，我们提出了一种新的损失函数DCE，该函数由Dice损失和交叉熵损失线性组合。 我们使用连续的几个CT图像作为训练和测试的输入，以探索更多的上下文信息。 基于ResUNet的初始分割
阅读更多...
Deep Learning Techniques for Medical Image Segmentation: Achievements and Challenges

Deep Learning Techniques for Medical Image Segmentation: Achievements and Challenges

前言： 该篇文章较为全面但稍偏简单的介绍医学图像分割的常见数据集、各种神经网络，以及常见的训练技巧等问题。 一、重点摘录 2.5D approaches are inspired by the fact that 2.5D has the richer spatial information of neighboing pixels wiht less computational costs t
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2