.png){kind=icon}
返回
Robust correlation tracking with closed-loop feedback control
.png){kind=icon}
PRE
AI
DOI：10.1007/s00530-025-01816-3.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
由于高效率和卓越性能，基于判别相关滤波器（DCF）的方法近年来在视觉跟踪领域引起了越来越多的关注。然而，其中大多数方法忽略了跟踪输出的影响，可以被视为开环系统，这容易导致误差累积甚至模型漂移。本文提出了一种新颖的相关跟踪方法，通过将闭环反馈技术引入DCF框架来解决这些问题。从闭环的角度来看，跟踪过程被重构为两部分，包括前向跟踪和反向反馈。在前向跟踪过程中，我们遵循具有增强特征表示的DCF框架来定位目标对象。在反向反馈过程中，我们设计了两个有效的控制器，通过利用从跟踪输出中提取的信息来自动调节前向跟踪。借助这两个控制器，所提出的方法能够减少误差累积并缓解模型漂移。在五个公开数据集上的实验结果表明，我们的跟踪器（称为CLFCT）在保持接近26 FPS的实时速度的同时，与最先进的跟踪方法相比达到了有竞争力的性能。
Keyword:
Visual tracking
Discriminative correlation filter
Closed-loop feedback
Feature representation
期刊
IF:
3.1
论文数:
2.8K
被引数:
2.7K
机构
引用论文
.png){kind=icon}
Generic Tracking and Probabilistic Prediction Framework and Its Application in Autonomous Driving通用跟踪与概率预测框架及其在自动驾驶中的应用
OAAI
OAAI分享收藏
分享收藏
查看更多内容