视频理解技术之目标跟踪(二)基于自监督学习的目标跟踪方法

举报
避尘 发表于 2020/10/29 19:12:29 2020/10/29
【摘要】 目标跟踪标注成本较高,考虑用自监督方法进行训练,通过利用着色任务和跟踪任务的相似性,可以在无标注的情况下训练出目标跟踪器。

1 概述



2 自监督物体目标跟踪方法

2.1 Tracking Emerges by Colorizing Videos


目标跟踪即确定像素对应关系。


视频着色和目标跟踪在任务上是相似的。



着色需要考虑相似性度量和着色方式两个问题。



着色任务可以通过替换类别自然地切换为跟踪任务。


自监督的结果相比全监督方法的结果仍然有较大差距。


2.1 MAST: A Memory-Augmented Self-Supervised Tracker

目标是缩小无监督方法和有监督方法之间的差距,主要调整细节和引入记忆模块。

主要考虑颜色空间和任务形式化两个细节。

将记忆机制引入跟踪器。



在未见类别上评估跟踪模型的泛化能力。

实验发现超过已有自监督方法,甚至部分有监督方法。


【版权声明】本文为华为云社区用户原创内容,转载时必须标注文章的来源(华为云社区)、文章链接、文章作者等基本信息, 否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。