亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Deep Spatial and Temporal Network for Robust Visual Object Tracking

人工智能 计算机科学 计算机视觉 视频跟踪 对象(语法) 跟踪(教育) 帧(网络) 眼动 管道(软件) 目标检测 深度学习 代表(政治) 模式识别(心理学) 电信 政治 心理学 程序设计语言 法学 教育学 政治学
作者
Teng Zhu,Junliang Xing,Qiang Wang,Baopeng Zhang,Jianping Fan
出处
期刊:IEEE transactions on image processing [Institute of Electrical and Electronics Engineers]
卷期号:29: 1762-1775 被引量:14
标识
DOI:10.1109/tip.2019.2942502
摘要

There are two key components that can be leveraged for visual tracking: (a) object appearances; and (b) object motions. Many existing techniques have recently employed deep learning to enhance visual tracking due to its superior representation power and strong learning ability, where most of them employed object appearances but few of them exploited object motions. In this work, a deep spatial and temporal network (DSTN) is developed for visual tracking by explicitly exploiting both the object representations from each frame and their dynamics along multiple frames in a video, such that it can seamlessly integrate the object appearances with their motions to produce compact object appearances and capture their temporal variations effectively. Our DSTN method, which is deployed into a tracking pipeline in a coarse-to-fine form, can perceive the subtle differences on spatial and temporal variations of the target (object being tracked), and thus it benefits from both off-line training and online fine-tuning. We have also conducted our experiments over four largest tracking benchmarks, including OTB-2013, OTB-2015, VOT2015, and VOT2017, and our experimental results have demonstrated that our DSTN method can achieve competitive performance as compared with the state-of-the-art techniques. The source code, trained models, and all the experimental results of this work will be made public available to facilitate further studies on this problem.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
Wang完成签到 ,获得积分20
8秒前
葱姜蒜辣椒香菜我全要完成签到,获得积分10
25秒前
在水一方应助mmyhn采纳,获得30
59秒前
1分钟前
1分钟前
mmyhn发布了新的文献求助30
2分钟前
2分钟前
小李老博应助科研通管家采纳,获得10
3分钟前
zyp应助崔昊天采纳,获得10
4分钟前
庄冬丽完成签到,获得积分10
4分钟前
李健的小迷弟应助庄冬丽采纳,获得10
4分钟前
小气鬼完成签到,获得积分10
4分钟前
4分钟前
5分钟前
六号线发布了新的文献求助20
5分钟前
小李老博应助科研通管家采纳,获得10
5分钟前
6分钟前
twk发布了新的文献求助10
6分钟前
深情安青应助twk采纳,获得30
6分钟前
牙瓜完成签到 ,获得积分10
7分钟前
科研通AI2S应助科研通管家采纳,获得10
7分钟前
7分钟前
六号线发布了新的文献求助20
7分钟前
行走完成签到,获得积分10
8分钟前
juan完成签到 ,获得积分10
8分钟前
HIMINNN发布了新的文献求助10
9分钟前
10分钟前
老石完成签到 ,获得积分10
11分钟前
11分钟前
hqh发布了新的文献求助30
11分钟前
科目三应助Claudia采纳,获得10
11分钟前
Lucas应助hqh采纳,获得10
11分钟前
11分钟前
Claudia发布了新的文献求助10
12分钟前
情怀应助六号线采纳,获得30
12分钟前
Claudia完成签到,获得积分10
12分钟前
Marciu33发布了新的文献求助10
13分钟前
mmyhn发布了新的文献求助200
13分钟前
Marciu33发布了新的文献求助10
13分钟前
含糊的无声完成签到 ,获得积分10
13分钟前
高分求助中
【此为提示信息,请勿应助】请按要求发布求助,避免被关 20000
All the Birds of the World 4000
Production Logging: Theoretical and Interpretive Elements 3000
Musculoskeletal Pain - Market Insight, Epidemiology And Market Forecast - 2034 2000
Am Rande der Geschichte : mein Leben in China / Ruth Weiss 1500
CENTRAL BOOKS: A BRIEF HISTORY 1939 TO 1999 by Dave Cope 1000
Density Functional Theory: A Practical Introduction, 2nd Edition 840
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 物理 生物化学 纳米技术 计算机科学 化学工程 内科学 复合材料 物理化学 电极 遗传学 量子力学 基因 冶金 催化作用
热门帖子
关注 科研通微信公众号,转发送积分 3749969
求助须知:如何正确求助?哪些是违规求助? 3293224
关于积分的说明 10080121
捐赠科研通 3008599
什么是DOI,文献DOI怎么找? 1652302
邀请新用户注册赠送积分活动 787340
科研通“疑难数据库(出版商)”最低求助积分说明 752090