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
【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)