Learning to Track at 100 FPS with Deep Regression Networks

时间 2019-11-06

标签 learning track fps deep regression networks 繁體版

原文原文链接

Learning to Track at 100 FPS with Deep Regression Networks

ECCV 2016

Paper: http://davheld.github.io/GOTURN/GOTURN.pdf html

Supplement: http://davheld.github.io/GOTURN/supplement.pdf git

Project page：http://davheld.github.io/GOTURN/GOTURN.html github

GitHub：https://github.com/davheld/GOTURN
网络

PyTorch Code: https://github.com/amoudgl/pygoturn 框架

Caffe+Python Code: https://github.com/nrupatunga/PY-GOTURN spa

Matconvnet Code: https://github.com/foolwood/GOTURN_matconvnet .net

本文第一次利用 Deep Learning 技术将跟踪的速度维持在 100fps，固然是使用 GPU 的前提下。本文的流程框架以下所示：htm

　　将跟踪看作是回归问题，直接根据上一帧的位置，回归出当前帧的location。类比于基于Siamese 网络的匹配，仅用第一帧做为 target object，本文方法不须要提候选的 proposal，直接进行 bounding box 的回归。很好的避开了 CNN 在跟踪问题上速度慢的难题。blog

　　是的，没了，就这么多。这就是文章的主要思想了。。。get

　　另外：给些参考的blog，由于他们讲的更加详细。

　　1. http://blog.csdn.net/cuclxt/article/details/51570255

　　2. http://blog.csdn.net/autocyz/article/details/52648776

　　3. https://zhuanlan.zhihu.com/p/22715531 （强烈推荐）