HyperAIHyperAI

Command Palette

Search for a command to run...

Staple : Apprenants Complémentaires pour le Suivi en Temps Réel

Luca Bertinetto Jack Valmadre Stuart Golodetz Ondrej Miksik Philip H.S. Torr

Résumé

Les traceurs basés sur les filtres de corrélation ont récemment obtenu d'excellentes performances, montrant une grande robustesse face aux situations difficiles caractérisées par le flou de mouvement et les changements d'éclairage. Cependant, comme le modèle qu'ils apprennent dépend fortement de la disposition spatiale de l'objet suivi, ils sont notoirement sensibles à la déformation. Les modèles basés sur les statistiques de couleur présentent des caractéristiques complémentaires : ils gèrent bien les variations de forme, mais subissent des difficultés lorsque l'éclairage n'est pas constant tout au long d'une séquence. De plus, les distributions de couleur seules peuvent être insuffisamment discriminantes. Dans cet article, nous montrons qu'un traceur simple combinant des indices complémentaires dans un cadre de régression ridge peut fonctionner à plus de 80 images par seconde (FPS) et surpasser non seulement toutes les entrées du concours populaire VOT14, mais aussi des traceurs récents et beaucoup plus sophistiqués selon plusieurs benchmarks.


Créer de l'IA avec l'IA

De l'idée au lancement — accélérez votre développement IA avec le co-codage IA gratuit, un environnement prêt à l'emploi et le meilleur prix pour les GPU.

Codage assisté par IA
GPU prêts à l’emploi
Tarifs les plus avantageux

HyperAI Newsletters

Abonnez-vous à nos dernières mises à jour
Nous vous enverrons les dernières mises à jour de la semaine dans votre boîte de réception à neuf heures chaque lundi matin
Propulsé par MailChimp