点击上方蓝字
关注我们
导
读
尽管相关滤波类目标跟踪方法取得了较好的效果,但是,其固有的样本循环假设导致样本冗余,不利于学到有效的分类器。本文提出了一种快速流形正则上下文感知相关滤波跟踪算法,来挖掘不同类型样本间的局部流形结构信息。首先,不同于只利用单一基样本的传统相关滤波跟踪方法,本文额外利用了一系列基样本周围的上下文样本,并对其施加流形结构假设。然后,考虑到这些样本之间存在的流形结构,本文在相关滤波学习中,引入线性图拉普拉斯正则项。巧合的是,这个优化问题能够利用快速傅里叶变换求得闭式解,因而能够实现高效计算。大量在OTB100和VOT2016数据集上的实验结果表明,本文提出的跟踪算法在准确性和鲁棒性方面,表现优于几个最先进的算法。特别是本文介绍的跟踪器在单个CPU上以28fps的速度实时运行。
文章精要
请长按下方二维码识别,阅读该文。
相关内容推荐:
针对近似最近邻搜索的优化高阶乘积量化 2020 14(2):259-272
基于贝叶斯双神经网络的推荐算法 2019 13(6):1255-1265
随机局部搜索求解最大可满足性问题的经验研究 2019 13(1):86-98
基于情感信息和神经网络模型的立场分析 2019 13(1):127-138
基于鲁棒特征学习和无需大规模预训练的在线判别式跟踪算法 2018 12(6):1160-1172
基于BP神经网络和主成分分析的岩体滤波算法 2018 12(6):1149-1159
卷积自适应降噪自动编码器 2018 12(6):1140-1148
Frontiers of Computer Science
Frontiers of Computer Science (FCS)是由教育部主管、高等教育出版社和北京航空航天大学共同主办、SpringerNature 公司海外发行的英文学术期刊。本刊于 2007 年创刊,双月刊,全球发行。主要刊登计算机科学领域具有创新性的综述论文、研究论文等。本刊主编为周志华教授,共同主编为熊璋教授。编委会及青年 AE 团队由国内外知名学者及优秀青年学者组成。本刊被 SCI、Ei、DBLP、INSPEC、SCOPUS 和中国科学引文数据库(CSCD)核心库等收录,为 CCF 推荐期刊;两次入选“中国科技期刊国际影响力提升计划”;入选“第4届中国国际化精品科技期刊”。
长按二维码关注Frontiers of Computer Science公众号