内容简介:跟踪在计算机视觉里有很广泛的内涵,本文所指的跟踪为通用目标跟踪,不包括比如人脸特征点跟踪、视线跟踪等特定领域。
我爱计算机视觉 标星,更快获取CVML新技术
跟踪在计算机视觉里有很广泛的内涵,本文所指的跟踪为通用目标跟踪,不包括比如人脸特征点跟踪、视线跟踪等特定领域。
本文总结了 19 篇相关论文,列出了代码地址,并大致分类为单目标跟踪(最多)、多目标跟踪、跟踪与分割、3D目标跟踪、跟踪数据集几部分。
比较有意思的是,跟踪领域的人也开始关注分割了,ICCV上也有相关的workshop。这给算法带来新挑战。
52CV跟踪群里已经汇集大量专业人士,欢迎进群交流。(文末附加群方式)
可以在以下网站下载这些论文:
http://openaccess.thecvf.com/CVPR2019.py
如果想要下载所有CVPR 2019 论文,请点击这里:
重磅!CVPR 2019 论文终于全面开放下载!附百度云链接
更多论文盘点:
单目标跟踪
一种无监督的方式对大规模无标记视频进行训练的。动机是一个健壮的跟踪器应该在视频前向和后向预测中都是有效的,在Siamese相关滤波网络上构建了算法框架,该网络使用未标记的原始视频进行训练,达到了有监督跟踪器的baseline精度。
Unsupervised Deep Tracking
Ning Wang, Yibing Song, Chao Ma, Wengang Zhou, Wei Liu, Houqiang Li
https://github.com/594422814/UDT/
为了实现多目标跟踪的无标签和端到端学习,提出了一种用动画来跟踪的框架,其中可微分神经模型首先跟踪输入帧中的对象,然后将这些对象动画化为重建帧。然后通过反向传播通过重建误差来驱动学习。
军事医学研究院、国防科技大学、伦敦大学学院、阿兰图灵研究所
Tracking by Animation: Unsupervised Learning of Multi-Object Attentive Trackers
Zhen He, Jian Li, Daxue Liu, Hangen He, David Barber
https://github.com/zhen-he/tracking-by-animation
通过特定视点的鉴别相关滤波的重建进行目标跟踪
Tampere University、University of Ljubljana
Object Tracking by Reconstruction With View-Specific Discriminative Correlation Filters
Ugur Kart, Alan Lukezic, Matej Kristan, Joni-Kristian Kamarainen, Jiri Matas
提出了一种新的学习目标感知特征的方法,该方法能够比预训练的深度特征更好地识别发生显著外观变化的目标。目标感知特征与Siamese匹配网络集成,用于视觉跟踪。大量的实验结果表明,该算法在精度和速度上均优于现有的算法。
哈工大、上海交大、腾讯AI实验室、加州大学默塞德分校、Google Cloud AI
Target-Aware Deep Tracking
Xin Li, Chao Ma, Baoyuan Wu, Zhenyu He, Ming-Hsuan Yang
https://github.com/XinLi-zn/TADT
https://github.com/ZikunZhou/TADT-python
SPM跟踪器:用于实时视觉对象跟踪的串并联匹配。提出了串并联匹配(Series-Parallel Matching)的结构。整个结构分为两个部分,称之为“粗匹配”与“细匹配”。
中国科技大学、微软亚洲研究院
SPM-Tracker: Series-Parallel Matching for Real-Time Visual Object Tracking
Guangting Wang, Chong Luo, Zhiwei Xiong, Wenjun Zeng
SiamRPN++:目前精度最高的单目标跟踪
商汤研究院、中科院自动化所、中科院计算所
SiamRPN++: Evolution of Siamese Visual Tracking With Very Deep Networks
Bo Li, Wei Wu, Qiang Wang, Fangyi Zhang, Junliang Xing, Junjie Yan
https://github.com/STVIR/pysot
CVPR 2019 Oral 目标跟踪最强算法SiamRPN++开源实现
对影响跟踪精度的主干网络因素进行了系统的研究,为Siamese跟踪框架提供了一个架构设计的指导;基于文章提出的无填充残差单元,设计了一种新的用于Siamese跟踪的更深、更宽的网络架构。实验结果显示新的架构对基准跟踪算法确实有很明显的性能提升效果。
中科院大学&中科院自动化所、微软研究院
Deeper and Wider Siamese Networks for Real-Time Visual Tracking
Zhipeng Zhang, Houwen Peng
https://github.com/researchmm/SiamDW
一种在siamese网络下训练GCNS的视觉追踪方法,实现了存在遮挡、突然运动、背景杂波情景下的鲁棒视觉追踪
中科院、中科院大学、鹏城实验室、中国科技大学
Graph Convolutional Tracking
Junyu Gao, Tianzhu Zhang, Changsheng Xu
http://nlpr-web.ia.ac.cn/mmc/homepage/jygao/gct_cvpr2019.html#
通过预测target和estimated bounding box的overlap来实现目标估计。本文提出的ATOM跟踪模型在5个benchmark数据集上实现了state-of-the-art性能;在TrackingNet数据集上,相对于之前的最佳方法提升了15%,同时运行速度超过30 FPS。
CVL, Linko ̈ping University, Sweden、CVL, ETH Zu ̈rich, Switzerland、起源人工智能研究院
ATOM: Accurate Tracking by Overlap Maximization
Martin Danelljan, Goutam Bhat, Fahad Shahbaz Khan, Michael Felsberg
https://github.com/visionml/pytracking (378颗星!)
基于自适应空间加权相关滤波的视觉跟踪
大连理工大学、鹏城实验室、腾讯优图
Visual Tracking via Adaptive Spatially-Regularized Correlation Filters
Kenan Dai, Dong Wang, Huchuan Lu, Chong Sun, Jianhua Li
https://github.com/Daikenan/ASRCF
基于兴趣区域的池化相关滤波方法的视觉跟踪
大连理工大学、腾讯优图、海军航空兵学院、鹏城实验室
ROI Pooled Correlation Filters for Visual Tracking
Yuxuan Sun, Chong Sun, Dong Wang, You He, Huchuan Lu
孪生级联候选区域网络,用于实时目标跟踪
美国天普大学
Siamese Cascaded Region Proposal Networks for Real-Time Visual Tracking
Heng Fan, Haibin Ling
多目标跟踪
提出一种新的训练模式,用于改进多目标跟踪算法中目标交叠时身份切换问题
洛桑联邦理工学院(EPFL)
Eliminating Exposure Bias and Metric Mismatch in Multiple Object Tracking
Andrii Maksai, Pascal Fua
多目标跟踪与分割,提出问题、构建了数据集、建造了一个基线模型,并全部开源了
亚琛工业大学、MPI for Intelligent Systems and University of Tubingen
MOTS: Multi-Object Tracking and Segmentation
Paul Voigtlaender, Michael Krause, Aljosa Osep, Jonathon Luiten, Berin Balachandar Gnana Sekar, Andreas Geiger, Bastian Leibe
http://www.vision.rwth-aachen.de/page/mots
跟踪与分割
SiamMask,在视频跟踪任务上达到最优性能,并且在视频目标分割上取得了当前最快的速度。
Fast Online Object Tracking and Segmentation: A Unifying Approach
Qiang Wang, Li Zhang, Luca Bertinetto, Weiming Hu, Philip H.S. Torr
https://github.com/foolwood/SiamMask
CVPR 2019 | 惊艳的SiamMask:开源快速同时进行目标跟踪与分割算法
多目标跟踪与分割,提出问题、构建了数据集、建造了一个基线模型,并全部开源了
亚琛工业大学、MPI for Intelligent Systems and University of Tubingen
MOTS: Multi-Object Tracking and Segmentation
Paul Voigtlaender, Michael Krause, Aljosa Osep, Jonathon Luiten, Berin Balachandar Gnana Sekar, Andreas Geiger, Bastian Leibe
http://www.vision.rwth-aachen.de/page/mots
3D目标跟踪
形状补全用于LIDAR点云Siamese网络三维目标跟踪
沙特阿卜杜拉国王科技大学
Leveraging Shape Completion for 3D Siamese Tracking
Silvio Giancola, Jesus Zarzar, Bernard Ghanem
https://github.com/SilvioGiancola/ShapeCompletion3DTracking
跟踪数据集
大规模高质量单目标跟踪数据集LaSOT
美国天普大学、华南理工大学、亮风台公司
LaSOT: A High-Quality Benchmark for Large-Scale Single Object Tracking
Heng Fan, Liting Lin, Fan Yang, Peng Chu, Ge Deng, Sijia Yu, Hexin Bai, Yong Xu, Chunyuan Liao, Haibin Ling
https://cis.temple.edu/lasot/index.html
CVPR 2019 | 亮风台发布全球最大单目标跟踪数据集LaSOT
用于支持研究自动驾驶汽车感知任务(3D 跟踪与运动预测)的数据集Argoverse
Argo AI、卡内基梅隆大学、佐治亚理工学院
Argoverse: 3D Tracking and Forecasting With Rich Maps
Ming-Fang Chang, John Lambert, Patsorn Sangkloy, Jagjeet Singh, Slawomir Bak, Andrew Hartnett, De Wang, Peter Carr, Simon Lucey, Deva Ramanan, James Hays
https://www.argoverse.org/
英伟达推出首个跨摄像头汽车跟踪与冲重识别数据集
华盛顿大学、NIVIDIA、圣何塞州立大学
CityFlow: A City-Scale Benchmark for Multi-Target Multi-Camera Vehicle Tracking and Re-Identification
Zheng Tang, Milind Naphade, Ming-Yu Liu, Xiaodong Yang, Stan Birchfield, Shuo Wang, Ratnesh Kumar, David Anastasiu, Jenq-Neng Hwang
https://www.aicitychallenge.org/
更多论文盘点:
目标跟踪交流群
关注最新最前沿的目标跟踪技术,欢迎加入52CV-目标跟踪交流群,扫码添加CV君拉你入群(如已为CV君好友,请直接私信, 不必重复添加 ),
( 请务必注明:跟踪 ):
喜欢在QQ交流的童鞋可以加52CV官方QQ群: 702781905 。
(不会时时在线,如果没能及时通过还请见谅)
长按关注 我爱计算机视觉
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网
猜你喜欢:本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
Effective Ruby:改善Ruby程序的48条建议
Peter J. Jones / 杨政权、秦五一、孟樊超 / 机械工业出版社 / 2016-1 / 49
如果你是经验丰富的Rub程序员,本书能帮助你发挥Ruby的全部力量来编写更稳健、高效、可维护和易执行的代码。Peter J.Jones凭借其近十年的Ruby开发经验,总结出48条Ruby的最佳实践、专家建议和捷径,并辅以可执行的代码实例。 Jones在Ruby开发的每个主要领域都给出了实用的建议,从模块、内存到元编程。他对鲜为人知的Ruby方言、怪癖、误区和强力影响代码行为与性能的复杂性的揭......一起来看看 《Effective Ruby:改善Ruby程序的48条建议》 这本书的介绍吧!