ICCV 2017 EAST:《Learning Policies for Adaptive Tracking with Deep Feature Cascades》论文笔记
理解出错之处望不吝指正。 本文模型叫做EAST。作者的动机是在不降低准确率的同时提升深层模型的速度。论文的主要思想：在SiameseFC中，所有帧都用conv5的特征去检测，EAST的出发点是(外观相似或不运动的)简单帧用简单特征如像素边缘就可以定位，(经历较大外观变化的)复杂帧才需要不变性更强的深度特征进行定位。 如何判读使用当前层特征得到的检测结果是否足够好（是否要使用下一
相关文章
- 1. 【小白笔记】EAST：Learning Policies for Adaptive Tracking with Deep Feature Cascades
- 2. Learning Policies for Adaptive Tracking with Deep Feature Cascades（深度增强学习、目标跟踪）
- 3. ICCV 2017 DSiam:《Learning Dynamic Siamese Network for Visual Object Tracking》论文笔记
- 4. ICCV 2017 CREST：《CREST: Convolutional Residual Learning for Visual Tracking》论文笔记
- 5. CVPR 2017 ADNet:《 Action-Decision Networks for Visual Tracking with Deep Reinforcement Learning》论文笔记
- 6. ICCV 2017 UCT:《UCT: Learning Unified Convolutional Networks forReal-time Visual Tracking》论文笔记
- 7. object tracking 论文阅读笔记（持续）
- 8. 2017-ICCV-SVDNet for Pedestrian Retrieval 论文笔记
- 9. Deep Reinforcement Learning with Iterative Shift for Visual Tracking
- 10. 论文笔记：Learning Deep Features for Discriminative Localization
- 更多相关文章...
- • ASP.NET Razor - 标记 - ASP.NET 教程
- • Scala for循环 - Scala教程
- • Tomcat学习笔记（史上最全tomcat学习笔记）
- • Scala 中文乱码解决
相关标签/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。
最新文章
欢迎关注本站公众号,获取更多信息
相关文章
- 1. 【小白笔记】EAST：Learning Policies for Adaptive Tracking with Deep Feature Cascades
- 2. Learning Policies for Adaptive Tracking with Deep Feature Cascades（深度增强学习、目标跟踪）
- 3. ICCV 2017 DSiam:《Learning Dynamic Siamese Network for Visual Object Tracking》论文笔记
- 4. ICCV 2017 CREST：《CREST: Convolutional Residual Learning for Visual Tracking》论文笔记
- 5. CVPR 2017 ADNet:《 Action-Decision Networks for Visual Tracking with Deep Reinforcement Learning》论文笔记
- 6. ICCV 2017 UCT:《UCT: Learning Unified Convolutional Networks forReal-time Visual Tracking》论文笔记
- 7. object tracking 论文阅读笔记（持续）
- 8. 2017-ICCV-SVDNet for Pedestrian Retrieval 论文笔记
- 9. Deep Reinforcement Learning with Iterative Shift for Visual Tracking
- 10. 论文笔记：Learning Deep Features for Discriminative Localization