[论文笔记] Detect to Track and Track to Detect 阅读笔记

最新推荐文章于 2025-08-14 21:19:52 发布
原创 最新推荐文章于 2025-08-14 21:19:52 发布 · 211 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#计算机视觉 #深度学习 #人工智能 #cnn

本文介绍了一种名为DetecttoTrack和TracktoDetect的联合框架，该框架能够在视频中同时进行物体检测与跟踪。通过一种新的ConvNet架构实现了基于帧的物体检测及跨帧的跟踪回归，并引入了相关特征来辅助跟踪过程，最终在视频层面产生了高精度的检测结果。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

Detect to Track and Track to Detect 阅读笔记

Detect to Track and Track to Detect（ICCV 2017）

论文链接：论文链接
代码链接：代码链接

摘要

  • 大部分检测和跟踪的方法都很繁琐，本文提出了一种ConvNet架构，它可以同时进行检测和跟踪
  • 贡献
    • 建立一个ConvNet架构，用于同时检测和跟踪，使用多任务目标进行基于帧的物体检测和跨帧跟踪回归
    • 引入代表物体在不同时间内共同出现的相关特征，以帮助ConvNet在追踪过程中发挥作用
    • 将基于跨帧追踪的帧级检测联系起来，在视频层面上产生高精度的检测

引言

  • 视频目标检测难点
    在这里插入图片描述

D&T Approach（Detect and Track）

D&T overview

在这里插入图片描述

Object detection and tracking in R-FCN

在这里插入图片描述

Multimask detection and tracking objective

Correlation features for object tracking

在这里插入图片描述

实验结果

  • ImageNet VID 验证集上的对比
    在这里插入图片描述
  • 不同 backbone 的影响
    在这里插入图片描述
分割一切，跟踪一切 Segment-and-Track Anything 使用笔记
jacke121的专栏
04-22 2264
分割一切，跟踪一切 Segment-and-Track Anything！视频版SAM来了
MOTR: End-to-End Multiple-Object Tracking with TRansformer阅读笔记
风行
11-17 4456
(一) Title 论文地址:https://arxiv.org/abs/2105.03247 代码地址:https://github.com/megvii-model/MOTR 前言：最近有幸看了几篇MOT的工作,感觉目前MOT的工作有一些集中将循环神经网络引入来构建对轨迹的预测，从而实现对遮挡情况的处理,提升性能。然而我自己没有仔细研读过Transformer相关的论文,希望以此为契机,开启循环神经网络在视觉领域的研究。 (二) Summary 当前存在的问题： 多目标跟踪任务之前的做法中,往往是基
D&T（Detect to Track and Track to Detect）论文详读
weixin_41963310的博客
03-08 1464
abstract         近些年，视频目标分类与检测领域为了达到更高的准确率，不断融合各种复杂的处理方式，最终的网络结构也变得越来越复杂。本文提出一个名为ConvNet的结构，该结构比较简洁，且可以有效的进行目标跟踪和分类。 本文的contribute： ConvNet可以同时进行目标分类和跟踪，使用多任务目标进行基于帧的目标检测和帧间轨迹回归； 引入correlation feature（关系特征），表示跨时间共存的
视频目标检测跟踪--Detect to Track and Track to Detect
AI小作坊 的博客
10-13 9641
Detect to Track and Track to Detect ICCV2017 https://github.com/feichtenhofer/detect-track ​​​​本文针对视频目标检测问题提出一个统一的框架同时完成检测和跟踪 In this paper we propose a unified approach to tackle the problem of obj
论文：detect to track and track to detect 读后感
feiye1023的博客
04-09 448
断断续续看了一整天，大概看懂了其中的原理，作者设计了一个基于R-FCN的结构，类似于siamese网络，采用具有时间差的两帧作为输入，分别进行位置回归，分类和帧间位移的训练，这点从损失函数上也可看出。这个结构是端到端的，对于耗时那块儿没看太明白，到底是141s还是14s，依我之见应该是141秒，应为特征提取还是较为耗时的。总的来说效果还是不错的，作者对于两帧之间时间间距小产生的精度...
Detect to Track and Track to Detect
aiqiu_gogogo的博客
10-15 4274
本文概览 本文使用一个简单的卷积网络模型（ConvNet）在视频序列中同时实现多目标的跟踪和检测； 本文构建了一个新颖的损失函数，包括用于单帧检测的多任务损失和用于多帧间跟踪回归损失； 本文引入相关特征用于代表同一目标在不同帧图片中同时出现以此达到跟踪的目的； 本文检测和跟踪相互辅助，同时产生高精度的检测和跟踪性能； 本文提出在多帧中同时进行目标检测和跟踪任务，其中检测部分使用R-FCN框架，跟踪部
Detect-and-Track论文：笔记
小小顺利的博客
07-09 586
【题目】：《检测-追踪：视频中有效的姿势估计》 【批注】： 这篇CVPR-2018文章算是进复旦/博立的文章阅读首秀吧，一开始以为毕设是要做姿势估计，但是最后做的是MTMC。论文里使用的方法是扩展后的Mask R-CNN，也正是因为这篇文章，才去学习的Detector家族。在未来的研究生涯中具有开天辟地的意义。啊对了，本科毕设还要翻译英文文献，自己翻译的就是这篇，我的妈啊当时翻译了两个星期。...
论文阅读笔记8——Track to Detect and Segment:An Online Multi-Object Tracker(TraDeS)
wjpwjpwjp0831的博客
12-08 1414
前言： 前段时间读了一些基于Transformer的方法，和它们一样，TraDeS同样也是端到端的方式，主要基于DCN和CenterNet，它最大的亮点是用跟踪结果来辅助检测，进而在困难场景下有更好的表现。而且TraDeS可以解决2D、3D和分割的问题。 论文： 论文 0.Abstract 前面提到，TraDeS仍然是联合检测跟踪(Joint detection and tracking,JDT)的模型，它利用跟踪的线索来辅助检测。它利用cost volume来预测跟踪偏移，这个跟踪偏移也被用来传播之前.
Track to Detect and Segment: An Online Multi-Object Tracker
maple的博客
03-18 1946
Track to Detect and Segment: An Online Multi-Object Tracker 论文和代码：https://jialianwu.com/projects/TraDeS.html 在交流群里看到作者公布了前段时间收录于CVPR2021的多目标跟踪论文，花了半天的时间看了一下，做个笔记。正片文章最主要的内容在于构建了一个端到端的模型，将跟踪信息用于辅助检测或者分割，在多目标跟踪（MOT）和像素级多目标跟踪（MOTS）上均达到了sota。 Introduction 现如今
Track to Detect and Segment： An Online Multi-Object Tracker
weixin_40367515的博客
03-30 968
Track to Detect and Segment： An Online Multi-Object Tracker（一 ） 来源：CVPR2021 https://arxiv.org/abs/2103.08808 Code：https://github.com/JialianW/TraDeS 主要思想：提出一个全新的TraDeS模型其通过利用追踪线索帮助检测，然后再通过检测到的内容为下一步的追踪提供反馈。在TraDes结构中主要有两个模块：CVA和MFW。 CVA学习专门设计的re-ID嵌入并通过4d
AAAI(spotlight)-2018-12-Detect or Track-论文阅读笔记
Meihuashan_HUST的博客
01-10 1951
摘要： 当前最好的检测器和跟踪器正在往越来越快方向发展。跟踪的计算量一般小于检测，但是有漂移的问题。利用现有的检测/跟踪器在给定的计算条件下来提高精度。最常用的做法是隔N帧进行一次检测，检测之间做跟踪，但是检测的频率取决于跟踪的精度。本文提出一个调度网络，确定当前帧做检测还是做跟踪，虽然调度网络比较轻量，但是比隔真检测更有效。 一. 引言： 跟踪器在效率和精度上一般比检测器要高一些，但是存在不能长...
AirVO: An Illumination-Robust Point-Line Visual Odometry 论文笔记及源码阅读
qq_33690342的博客
12-23 1586
AirVO, 一个基于点、线特征具有光照鲁棒性行且精确的双目视觉里程计系统。为了实现对于光照变化的鲁棒性，我们引入了基于学习的特征提取和匹配方法，并设计了一个新颖的视觉里程计管道：包括特征跟踪、三角测量、关键帧选择和图形优化等。我们还采用了环境中的长线特征来提高系统的准确性。我们提出了一个光照鲁棒性的线追踪方法，其中点特征追踪、点分布和线特征被用来实现线的匹配。
【多目标跟踪论文阅读笔记——2021年CVPR论文粗读记录】
热门推荐
selami的博客
12-16 1万+
[阅读心得] 多目标跟踪经典论文——2021CVPR论文粗读记录前言Alpha-Refine 前言 按照魏师兄的指导，逐步阅读2021年CVPR跟踪相关论文，粗读第一遍并整理其创新点、实现方法和诠释整理在此，争取3天内读完至少10篇。(2021.12.15) Alpha-Refine [论文]Alpha-Refine: Boosting Tracking Performance by Precise Bounding Box Estimation [代码]https://github.com/MasterB
YOLO v1 输出结构、预测逻辑与局限性详解
zxjiaya的博客
08-13 300
YOLO v1采用7×7网格输出，每个网格预测两个边界框参数（坐标、宽高、置信度）并共享一组20维类别概率。这种设计假设每个网格只有一个主要物体，导致多目标检测能力受限。预测得分由置信度与类别概率相乘得到，通过NMS去除冗余框。主要缺陷在于同一网格内无法检测多个不同类别物体，后续版本通过多尺度预测和Anchor机制改进。
计算机视觉CS231n学习（8）
whdehcy的博客
08-14 676
例如，在ImageNet上，DSD训练使得GoogLeNet的Top-1准确率提高了1.1%，VGG-16提高了4.3%，ResNet-18提高了1.2%，ResNet-50提高了1.1%。（你所牵挂的，正在朝着熟悉的方向挪动，耐心等待，转角会有重逢的惊喜）（因为我的玄风小鸡丢了 三天每天睡四个小时寻找也没找到 已经是很伤心很伤心了 一想到我的小鸟毛茸茸的 在外面挨饿淋雨 真的很难受 小鸡快回家）总的来说，DSD训练通过在训练过程中引入稀疏性，能够有效地避免过拟合，提高模型的泛化能力和整体性能。
(论文速读)用于SAR目标检测的空间-频率选择卷积
LJ1147517021的博客
08-13 960
本文提出SFS-Conv，一种用于SAR目标检测的高效卷积模块，通过空间-频率分流策略增强特征多样性。该模块将输入特征分流至空间和频率两个维度：空间感知单元动态调整感受野捕获多尺度上下文，频率感知单元采用分数Gabor变换提取纹理特征。通过无参数的选择模块自适应融合双路特征，构建的轻量级SFS-CNet在多个SAR检测基准上以更小计算量超越现有方法，如HRSID数据集达95.7% AP50（1.86M参数），计算量降低76%。创新性体现在领域知识驱动的频域特征提取与高效特征选择机制的结合。
图片拼接-动手学计算机视觉8
2501_92532948的博客
08-12 974
图片拼接（image stitching）就是将统一场景的不同拍摄出的图片拼接到一起，如图所示就是拼接全景图，是图片拼接的应用之一，手机拍照都有全景拍摄功能仔细观察全景图，寻找它们相似性，图8-2的全景图可以通过缩放，旋转，射影等操作进行拼接而成，我们首先介绍几个常用的图像变换RANSAC（Random Sample Consensus）是一种鲁棒的模型拟合算法，常用于处理包含大量噪声或异常值的数据。
计算机视觉Open-CV
最新发布
2501_91237346的博客
08-14 617
本文介绍了图像处理中的边界填充、图像运算、阈值处理和平滑处理等核心操作。边界填充通过cv2.copyMakeBorder()实现多种边缘扩展方式；图像运算展示了三种加法融合方法及其效果差异；阈值处理演示了五种二值化技术对灰度图像的分割效果；平滑处理则比较了均值、高斯、中值等滤波方法对椒盐噪声的去除效果。最后通过视频处理实例，展示了如何对视频流实时添加噪声并应用中值滤波进行平滑处理。这些技术广泛应用于图像增强、特征提取和计算机视觉任务中。
【CV 目标检测】R-CNN①——Overfeat
2401_88868983的博客
08-14 69
Overfeat方法使用滑动窗口进行目标检测，也就是使用滑动窗口和神经网络来检测目标。滑动窗口使用固定宽度和高度的矩形区域，在图像上“滑动”，并将扫描结果送入到神经网络中进行。这种方法类似一种暴力穷举的方式，会消耗大量的算力，并且由于窗口大小问题可能造成效果不准确。
Detect-and-Track (DaT)
06-13
Detect-and-Track（DaT）是一种基于深度学习的姿态估计和动作捕捉算法，由Facebook AI Research于2020年提出。与传统的基于关键点的方法不同，DaT算法将人体识别和跟踪分离开来，使用单独的神经网络进行人体检测和...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值