ICCV 2015 《Understanding and Diagnosing Visual Tracking Systems》論文筆記
寫在前面
今天開啟csdn,想寫這篇部落格的時候,發現,哇,Markdown編輯器,趕緊試了一下,好用,哈哈。
理解出錯之處望不吝指正。
文章大意
這篇文章是ICCV2015年的文章,我是看了浙大王萌萌學姐的目標跟蹤綜述視訊才看了這篇文章。文章中根據不同跟蹤器的共性,將跟蹤器分為以下五個組成部分:
1. Motion Model,意為運動模型,代表模型中對於當前幀,如何根據上一幀的位置進行取樣,得到候選bbox;
2. Feature Extractor,即特徵提取,不需要過多解釋;
3. Observation Model,這部分用於判斷哪個候選bbox應作為當前幀的跟蹤結果;
4. Model Updater,即模型更新部分,包括模型的更新策略、更新頻次等;
5. Ensemble Post-processor,有些時候,一個跟蹤系統中包含多個跟蹤器,要將他們的跟蹤結果結合才能得到最終的跟蹤結果。
論文中通過實驗進行驗證,討論了以上五部分對跟蹤效果的影響,最終得出結論。
一些benchmark
實驗
實驗設定
基本模型
部分 | 採用 |
---|---|
Motion Model | 粒子濾波 |
Featrue Extractor | raw pixls of grayscale |
Observation Model | 嶺迴歸 |
Model Updater | 選取的bbox得分大於閾值 |
Ensemble Post-processor | 沒有 |
該模型的效果如下圖(中等水平):
資料集
作者選擇VTB1.0作為驗證集。
實驗1 Featrue Extractor
實驗2 Observation Model
實驗3 Motion Model
實驗4 Model Updater
實驗5 Ensemble Post-processor
作者測了兩個其他論文裡的模型:
結論
結論包括以下4點:
1. 在跟蹤器中,Featrue Extractor是最重要的部分;
2. 其實Observation Model沒那麼重要;
3. Model Updater對跟蹤效果有很大影響,但是現在很少有論文專門研究這部分;
4. Ensemble Post-processor是通用且有效的;
5. Model Updater和Motion Model可以顯著的提高模型的跟蹤效果。