【小白笔记】EAST：Learning Policies for Adaptive Tracking with Deep Feature Cascades
1.主要贡献 2. 基本名词 2.1特征流 2.2强化学习 3. 基本方法 3.1SiamFC 3.2基于强化学习的决策模型 4.实验 这是ICCV17的一篇spotlight文章。论文地址 该论文主要提出了一种基于CNN特征跟踪的加速方法，用强化学习的思想选择可以判断跟踪结果的特征层，避免了继续的前向操作从而大大节省了时间。有不对的地方欢迎讨论~ 1.主要贡献 EAST的一个主要motivati
相关文章
- 1. ICCV 2017 EAST:《Learning Policies for Adaptive Tracking with Deep Feature Cascades》论文笔记
- 2. Learning Policies for Adaptive Tracking with Deep Feature Cascades（深度增强学习、目标跟踪）
- 3. Deep Reinforcement Learning with Iterative Shift for Visual Tracking
- 4. object tracking 论文阅读笔记（持续）
- 5. Deep Feature Flow for Video Recognition读书笔记
- 6. Object Tracking Paper(7):ACFN--Attentional Correlation Filter Network for Adaptive Visual Tracking
- 7. 论文笔记：SiamRPN++: Evolution of Siamese Visual Tracking with Very Deep Networks
- 8. Real-Time Pedestrian Detection With Deep Network Cascades
- 9. CVPR 2018 TRACA:《Context-aware Deep Feature Compression for High-speed Visual Tracking》论文笔记
- 10. Real-Time Pedestrian Detection with Deep Network Cascades
- 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）
- • 为了进字节跳动，我精选了29道Java经典算法题，带详细讲解
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。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. ICCV 2017 EAST:《Learning Policies for Adaptive Tracking with Deep Feature Cascades》论文笔记
- 2. Learning Policies for Adaptive Tracking with Deep Feature Cascades（深度增强学习、目标跟踪）
- 3. Deep Reinforcement Learning with Iterative Shift for Visual Tracking
- 4. object tracking 论文阅读笔记（持续）
- 5. Deep Feature Flow for Video Recognition读书笔记
- 6. Object Tracking Paper(7):ACFN--Attentional Correlation Filter Network for Adaptive Visual Tracking
- 7. 论文笔记：SiamRPN++: Evolution of Siamese Visual Tracking with Very Deep Networks
- 8. Real-Time Pedestrian Detection With Deep Network Cascades
- 9. CVPR 2018 TRACA:《Context-aware Deep Feature Compression for High-speed Visual Tracking》论文笔记
- 10. Real-Time Pedestrian Detection with Deep Network Cascades