.png){kind=icon}
返回
Siamese network for object tracking with multi-granularity appearance representations
.png){kind=icon}
PRE
AI
DOI：10.1016/j.patcog.2021.108003.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
可靠的跟踪器具有适应对象随时间变化的能力，并且是鲁棒的和准确的。我们通过使用鲁棒的连体网络和多粒度颜色特征提取语义特征来构建这样的跟踪器。它结合了可以捕获高质量语义特征的语义模型和可以在像素，局部和全局级别有效描述对象的外观模型。此外，我们提出了一种新颖的选择性遍历算法，以动态地为语义模型和外观模型分配权重，以获得更好的跟踪性能。在跟踪过程中，我们的跟踪器会根据最近的跟踪结果更新对象的外观表示。所提出的追踪器的运行速度超过了实时要求，并且在OTB2013/2015和VOT-2016/2017基准上几乎优于所有其他最先进的追踪器。（c）2021爱思唯尔有限公司。版权所有。
Keyword:
Object tracking
Siamese network
Appearance adaption
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
7.6
论文数:
1.4W
被引数:
4.5W
.png){kind=icon}
没有更多内容