论文《Learning regression and verification networks for long-term visual tracking》

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/qq_36022260/article/details/83861437

Learning regression and verification networks for long-term visual tracking

论文地址： https://arxiv.org/abs/1809.04320

作者及单位：                  Yunhua Zhang, Dong Wang, Lijun Wang, Jinqing Qi, Huchuan Lu
                                                          Dalian University of Technology
                                                                   Dalian, China
                          [email protected], [email protected], [email protected]
                                                     fjinqin, [email protected]
源代码：https://github.com/xiaobai1217/MBMD

主要内容：

　　这篇论文旨在引进一个 collaborative framework 利用匹配机制和判别特征解决目标识别和图像范围内的重新检测，提出了一个基于匹配的回归模块和基于验证的分类模块。回归模块能匹配学习应对剧烈的变化，分类模块能够有效的过滤变化。

　　这篇文章研究的是第一个frame提供的 边界框的common setting并且预测在后续frame中目标对象按的位置。目前单个对象追踪而言有两种：

• short-term  tracking scenario :对象在相机视野中，不需要全部visable,但是需要报告在每个frame中的位置
• long-term tracking scenario  : 不仅需要更长的序列还需要更多的target disappearances,最重要的是提供目标存在的置信度和图像范围内重新检测的能力

Contribution: 设计了一个用于long-term跟踪的广义回归网络，从外部视频和图像数据学习通用匹配函数，能到强大地处理对象在视频中的外观变化并回归任何对象的bounding box。提出了一种验证机制，使该跟踪器不仅有度量评估能力，能筛选出梗正确的追踪结果。