.png){kind=icon}
返回
Enhancing visual object tracking robustness through a lightweight denoising module
.png){kind=icon}
OA
AI
DOI：10.1007/s00371-025-03888-8.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
视觉目标跟踪对于从智能手机到自动驾驶车辆等多种应用至关重要。然而，输入噪声对跟踪性能的影响仍缺乏深入研究。本文提出了一种轻量级神经网络模块，旨在增强2D跟踪方法对不同类型噪声的鲁棒性。通过执行图像到图像的转换，所提出的鲁棒跟踪模块（RTM）标准化了跟踪算法的操作空间，从而提高其韧性。在基准数据集上的实验结果表明，RTM在缓解噪声引起的性能下降方面具有有效性。此外，我们引入了一个评估工具包，以方便对常见噪声类型下的跟踪鲁棒性进行评估。所提出方法的开源代码可在https://github.com/iason1907/RTM获取。
Keyword:
2D visual object tracking
Denoising
Robustness evaluation
Robust tracking
期刊
IF:
2.9
论文数:
4.6K
被引数:
6.5K
机构
引用论文
.png){kind=icon}
Salt-and-pepper noise removal by median-type noise detectors and detail-preserving regularization通过中值型噪声检测器和细节保持正则化去除椒盐噪声
PREAI
分享收藏
分享收藏
查看更多内容