目标跟踪学习系列八:Struck:Structured Output Tracking with Kernels(2011 ICCV)
2014-09-24 17:19
253 查看
看来人机交互不是我想象的那么简单的,还是要花很多的功夫来打基础的。于是再来学习Tracking相关的一些文章算法。
在认真的学习了压缩跟踪(CT)以后,确实觉得自己对Tracking有了比较好的了解。但是看了在测试集上面的效果,被欺骗了原来CT的效果在真实的摄像头上面是很差劲的。唯一的优点就是快。
因此,还得回来学习一些其他的精度比较高的方法!这里选择了Struck。是大牛学长推荐的。同时本文使用了非线性的SVM算法,也想顺便的学习一下。
文章代码的位置:http://www.samhare.net/research 表示我还没进去,但是我找到了其他地方的。
总体的说一下这篇论文的创新点:
1. 采用分类较准确的SVM分类,效果应该会比贝叶斯,adaboost好;但速度方面应该不行(我们可以在这个方面改进);
2. 没有直接输出预测的标签,而是输出object的各种transformations。然后从中选出最好的变换;
3. 对于训练的样本不是采用CT一类的离object很近的就是正,很远就是负。而是计算overlap,大于某个阈值的认定为正样本,小于某个阈值的认为是负样本。而在这个中间的标签认为是0;
4.使用高斯核函数;
5. 支持向量(support vector)的个数有限制。那种对权重影响最小的support vector就丢掉。
这篇论文的细节我还要对照论文代码在看一下,希望通过这篇论文能够让我知道精度比较高的Tracking的基本的处理方式是什么。最好是让我可以在现在我熟悉的框架里面去修改。另一个方面,能够让我知道SVM在CV里面是怎么用的。
再者,我最终的目标不变,我要做人机交互!欢迎共同探讨!
iker不断的更新。
在认真的学习了压缩跟踪(CT)以后,确实觉得自己对Tracking有了比较好的了解。但是看了在测试集上面的效果,被欺骗了原来CT的效果在真实的摄像头上面是很差劲的。唯一的优点就是快。
因此,还得回来学习一些其他的精度比较高的方法!这里选择了Struck。是大牛学长推荐的。同时本文使用了非线性的SVM算法,也想顺便的学习一下。
文章代码的位置:http://www.samhare.net/research 表示我还没进去,但是我找到了其他地方的。
总体的说一下这篇论文的创新点:
1. 采用分类较准确的SVM分类,效果应该会比贝叶斯,adaboost好;但速度方面应该不行(我们可以在这个方面改进);
2. 没有直接输出预测的标签,而是输出object的各种transformations。然后从中选出最好的变换;
3. 对于训练的样本不是采用CT一类的离object很近的就是正,很远就是负。而是计算overlap,大于某个阈值的认定为正样本,小于某个阈值的认为是负样本。而在这个中间的标签认为是0;
4.使用高斯核函数;
5. 支持向量(support vector)的个数有限制。那种对权重影响最小的support vector就丢掉。
这篇论文的细节我还要对照论文代码在看一下,希望通过这篇论文能够让我知道精度比较高的Tracking的基本的处理方式是什么。最好是让我可以在现在我熟悉的框架里面去修改。另一个方面,能够让我知道SVM在CV里面是怎么用的。
再者,我最终的目标不变,我要做人机交互!欢迎共同探讨!
iker不断的更新。
相关文章推荐
- 目标跟踪学习系列十:Struck:Structured Output Tracking with Kernels 代码调试
- 目标跟踪学习系列十:Struck:Structured Output Tracking with Kernels 代码调试
- Struck: Structured Output Tracking with Kernels
- structed_structured output tracking with kernels
- Struck: Structrued Output Tracking with Kernels 论文笔记
- Struck: Structrued Output Tracking with Kernels 论文笔记
- 目标跟踪系列十三:Exploiting the Circulant Structure of Tracking-by-detection with Kernels 公式详细的推导
- 目标跟踪学习系列五:Real-time visual tracking via online weighted multiple instance learning(WMIL)学习
- 论文阅读:《Visual Tracking with Fully Convolutional Networks》ICCV 2015
- 目标跟踪学习系列九:Struck:Structured Output Tracking with Kernels头文件代码框架
- learn-with-open-source 如何进行开源社区的学习系列经典文章
- 深度学习Tracking(1)——Learning to Track at 100 FPS with Deep Regression Networks
- 【手势识别-论文学习】 Hand segmentation with structured convolutional learning
- 稀疏表示+子空间学习 (ICCV2011)
- [学习SQL SERVER 2005系列]关于INSERT、UPDATE 或 DELETE的OUTPUT及OUTPUT...INTO...用法
- 阅读笔记4:CSK:Exploiting the Circulant Structure of Tracking-by-detection with Kernels
- Exploiting the Circulant Structure of Tracking-by-Detection with Kernels(二)
- Exploiting the Circulant Structure of Tracking-by-detection with Kernels 笔记
- 稀疏表示+子空间学习 (ICCV2011)
- 目标跟踪学习系列七:Real-time compressIve tracking(压缩跟踪)学习