| 极市线上分享 第69期 |
一直以来,为让大家更好地了解学界业界优秀的论文和工作,极市已邀请了超过90位技术大咖嘉宾,并完成了68期极市线上直播分享。往期分享请前往bbs.cvmart.net/topics/149或直接阅读原文,也欢迎各位小伙伴自荐或推荐更多多优秀的技术嘉宾到极市进行技术分享,与大家一起交流学习~~
在过去的几年中,基于anchor的Siamese算法成为了单目标跟踪的主流。但是其本身在训练时设置了较为严苛的正负样本阈值(IoU>0.6)。这种设置固有的问题是:算法在训练时无法“看见”重合度较小的anchor,如果在测试时候分类分支将这样的anchor选为目标区域,那回归网络预测结果将非常差。
本次分享,我们邀请到了中科院模式识别实验室的张志鹏博士。为解决上述问题,他们在论文中提出了基于anchor-free的回归网络,和基于特征对齐的object-aware分类网络。anchor-free回归网络能在较大空间范围内回归出目标区域,同时,其回归得到的目标框给分类网络提供指导使其学习更关注于物体整体的特征。两者相辅相成提高了跟踪的准确度。
01
直播信息
时间
2020年8月19日(周三)20:00-21:00
主题
1、除了在ECCV的文章外,主讲人还将简单介绍单目标跟踪入门必备的算法和Github资源,希望能帮助新入门的同学熟悉这个领域。
2、分享几次投稿顶会的心得。
3、简单介绍Ocean后续关于视频分割的工作,只需要非常少的代码就可以实现在VOT2020中大幅领先当前基于跟踪的分割算法,i.2. online和offline版本分别以18和12个点领先于SiamMask,9/2个点领先于基于D3S,且保持单帧实时(~35-40fps)。
02
嘉宾介绍
张志鹏
中国科学院自动化研究所模式识别国家重点实验室直博生,指导教师为胡卫明研究员。主要研究方向为目标跟踪,视频目标分割,在CVPR2019发表SiamDW (Oral),ECCV2020发表Ocean。
03
关于分享
➤论文地址
https://arxiv.org/abs/2006.10721
➤代码地址
https://github.com/researchmm/TracKit
https://github.com/JudasDie/Comparison
2、Which Github-repo should you fork?
3、Advances in Siamese Tracking
4、Our new paper: Ocean/Ocean+
5、Challenges and future study
6、Q&A
04
参与方式
关注“极市平台”公众号,回复“69”或“张志鹏”可获取免费直播链接。
05
往期回顾
在"极市平台"公众号后台回复期数或者分享嘉宾名字,即可获取极市平台对应期在线分享资料。
06
关于极市平台
觉得有用麻烦给个在看啦~