lightning980729-CSDN博客

原创找工作资料和投递公司

1.小马智行-自动驾驶2.京东-机器学习工程师3.商汤-成都4.携程-上海5.爱奇艺6.bilibili7.米哈游8.地平线9.阿里-本地生活10.搜狐学习能力强、目标坚定、执行力强、有责任心、踏实可靠。

2021-09-03 16:52:34 117

Tracking Holistic Object Representations跟踪过程中，目标是动态变化的，所以，作者就想设计一种动态的目标表达方法，来很好的建模 object template 的变化。LTM模块的目标用于存储具有最大多样性的跟踪结果。STM 模块的目标是处理快速形变和部分遮挡。我认为该方法有效地选择了有利帧，但是没有考虑帧间的联系，还是独立的搜索。消融实验表明该方法有效地提高了鲁棒性，但是精度也下降比较明显。说明模板更新还是很容易受到误差累积的影响。MemTrack：Lea

2021-04-15 22:04:55 317

原创 Target Transformed Regression for Accurate Tracking

Motivation最近anchor-free的机制带来了一个有效的回归策略，但是不能产生精细的bbox估计。本文的核心是建立器目标模板和搜索图像区域的相关性，并用产生的视觉特征增强后的结果提升回归的精度。同时，我们还设计了一个简单的在线模板更新机制。anchor-free跟踪得不精确是因为我们将跟踪问题作为一个one-shot监督来训练导致对没见过的变形和变化泛化性不好。本文得核心问题是：如何将目标信息集成到回归分支中，以保留其精确的边界信息并及时处理其变化。利用transfomer获得增强得模板

2021-04-14 23:09:18 569

原创 STMTrack: Template-free Visual Tracking with Space-time Memory Networks

Motivation离线训练的Siamese跟踪器充分挖掘了第一帧模板的信息，但是不能处理目标的表观变化。现有的方法要么基于耗时大量的优化，要么基于复杂设计的策略，阻碍了他们实时跟踪和实际应用，本文利用历史信息建立时空记忆网络，引导跟踪器聚焦于搜索图像上最有信息价值的区域，并且pixel级的相似性计算使得跟踪器生成更加精确的bbox。作者提到以前的工作致力于设计一个模板更新机制，而本文是建立在记忆网络中，因此避免使用模板和更新，所以称作 template-free。疑惑。Method特征提取的部分包

2021-04-14 15:22:05 1234

原创 Learning Spatio-Temporal Transformer for Visual Tracking

Motivation卷积kernel不能对图像特征长距关系进行建模，因此他们只能处理一个局部邻域，无论是空间还是时间。空间信息包含了用于定位的目标表观信息，时序信息包含了目标的变化。本文利用encoder-decoder transformer结构建模全局的时空特征关系。encoder的输入是初始目标、当前图像和一个动态更新的模板，self-attention能够建立起他们空间上的关系，由于模板是动态更新的所以encoder能够抓住时空信息。decoder预测目标的空间位置。本文直接对bbox进行预测，减

2021-04-13 22:39:20 975

原创 Transformer Meets Tracker: Exploiting Temporal Context for Robust Visual Tracking

Motivation在视频目标跟踪领域，连续帧之间含有丰富的时序关系，在现有的跟踪器中被很大一部分忽视了，本文将独立的帧联系起来，并通过transformer探索时序上下文关系。本文提出的transformer分为encoder和decoder，类似一种siamese的跟踪流程。encoder通过attention进行模板特征增强，decoder将跟踪的线索从历史帧带到当前帧。并能同时最用在Siamese和DiMP。之前的工作由于误差累积的关系，连续帧之间的时序关系都被忽视了，或者被当作独立的对等体没有

2021-04-13 13:28:37 704

原创 Learning Spatio-Appearance Memory Network for High-Performance Visual Tracking

Motivation本文探讨基于分割的跟踪没有有效地使用时序信息。1.基于bbox回归的跟踪器无法解绝复杂的非刚性变化，并且回归分支不能适应目标的表观变化。2.基于VOT的分割方法主要考虑没有较多背景相似干扰我i的大目标，所以应用于目标小，运动大的跟踪场景表现不好。1.提出设计一个外观记忆网络（AMN），使分割分支适应时间外观变化，同时避免模型漂移。2.利用DCF模型建立特征与空间之间的映射关系，进而构建空间存储网络（SMN）。SMN有助于滤除AMN中的噪声样本，而AMN为SMN提供了更精确的目标几

2021-04-12 16:29:58 226

原创 Fully Convolutional Online Tracking

Motivation在线学习能够简单应用于分类分支，而应用于回归分支上有挑战，本文类似于DiMP，设计了在线学习的基于anchor-free的回归方式。有点类似将DiMP结合SIamfc++。Method区别在于设计了decoder提高分辨率，多尺度分类。具体的设计几乎和DiMP一样ExperimentsMulti-scale classification显然高分辨率有助于提升精度，但可能损害鲁棒性，结合起来效果取得平衡。Online learning for regression

2021-04-12 14:50:22 223

原创 Dynamic Attention guided Multi-Trajectory Analysis for Single Object Tracking

Motivation：现有的单目标跟踪方法主要是基于局部搜索窗的方式，这会让跟踪器更加的vulnerable。尽管有全局搜索的方法，但是在如何选择上面是个两难的问题，而且引入全局信息在有相似物体的时候也很难。作者提出一个问题，能否让局部和全局搜索动态的结合起来。在本文，作者构建了一个由大量的目标模板组成的动态表观模型，基于不同的模板不同的跟踪结果建立了多轨迹的跟踪历史，最后引入了多轨迹的选择网络来实现最好的结果。作者认为提升深度特征到达了瓶颈，需要设计更加新颖有效地跟踪策略。方法：1.动态的全局目

2021-04-12 14:22:23 344

原创跟踪工作Siam+时序

siamese框架分为了三个部件：特征提取模块、相关性模块、任务模块。在训练中将其转化为相似性学习，所以只需要构建模板、搜索图像和对应任务模块输出的label即可。在测试中还会涉及到图像裁剪尺寸、以及后处理模块。......

2021-04-12 12:48:40 1008 1

原创 siamfc++加时序进行训练

dataloader原有是图片对，现在应该取4张图片，一张作init，2张作为时序，另外一张作为searchimg。首先修改videoanalyst/data/sampler/sampler_impl/track_pair_sampler.py再修改videoanalyst/data/transformer/transformer_impl/random_crop_transformer.py，同时要改的是videoanalyst/data/utils/crop_track_pair.py再修改vi

2020-09-07 10:10:03 618

原创 siamfc++中的trainer的具体实现

trainer = MODULES[name](optimizer, dataloader, monitors)在videoanalyst/engine/trainer/trainer_base.py看看参数： default_hyper_params = dict( exp_name="default_training", exp_save="snapshots", max_epoch=20, ) def __init__(se

2020-09-05 18:14:41 458

原创 siamfc++中的optimizer具体实现

optim在main/train.py出现了optim模块的使用 # build optimizer optimizer = optim_builder.build(task, task_cfg.optim, model)在videoanalyst/optim/builder.py定义optim模块，，主要通过optimizer实现，但又分成了两个部分。optimizergrad_modifier optimizer = optimizer_builder.build(tas

2020-09-05 17:00:00 312

原创 python的继承

继承是一种创建新的类的方式，新创建的叫子类，继承的叫父类、超类、基类。特点：子类可以使用父类的方法，就是函数举个简单的例子class grandFather(): print('我是爷爷')class Parent(grandFather): print('我是父类') class SubClass(Parent): print('我是子类') sub = SubClass() #结果：我是爷爷# 我是父类# 我是子类#注意：类在定义

2020-09-04 11:24:08 204

原创 siamfc++中的datapipeline具体实现

datapipeline首先出现在videoanalyst/data/adaptor_dataset.py，这里定义了dataset的创建，继承于torch.utils.data.datasetself.datapipeline = datapipeline_builder.build(self.task, self.cfg,

2020-09-03 21:15:08 531

原创 Pytorch分布式训练

接着上一篇写到加载Dataset，这里引进如何把Dataset分布在多卡进行训练在多卡情况下分布式训练数据的读取用到了这两个代码torch.nn.parallel.DistributedDataParalleltorch.utils.data.distributed.DistributedSamplerdataparallel的做法是直接将batch切分到不同的卡。sampler确保dataloader只会load到整个数据集的一个特定子集的做法。DistributedSampler就是为每

2020-09-03 19:42:25 480

原创开启torch新篇章：Pytorch创建Dataset,并加载DataLoader

torch.utils.data.DatasetDataset类是Pytorch中图像数据集中最为重要的一个类，也是Pytorch中所有数据集加载类中应该继承的父类。其中父类中的两个私有成员函数必须被重载，否则将会触发错误提示：其中__len__应该返回数据集的大小，而__getitem__应该编写支持数据集索引的函数，例如通过dataset[i]可以得到数据集中的第i+1个数据。在继承了这个Dataset类之后，我们需要实现的核心功能便是__getitem__()函数，getitem()是Pyth

2020-09-03 19:25:59 4976

weixin_44419695的博客

原创找工作资料和投递公司

原创早期关于siamese利用时序的文章

原创 Target Transformed Regression for Accurate Tracking

原创 STMTrack: Template-free Visual Tracking with Space-time Memory Networks

原创 Learning Spatio-Temporal Transformer for Visual Tracking

原创 Transformer Meets Tracker: Exploiting Temporal Context for Robust Visual Tracking

原创 Learning Spatio-Appearance Memory Network for High-Performance Visual Tracking

原创 Fully Convolutional Online Tracking

原创 Dynamic Attention guided Multi-Trajectory Analysis for Single Object Tracking

原创跟踪工作Siam+时序

原创 siamfc++加时序进行训练

原创 siamfc++中的trainer的具体实现

原创 siamfc++中的optimizer具体实现

原创 python的继承

原创 siamfc++中的datapipeline具体实现

原创 Pytorch分布式训练

原创开启torch新篇章：Pytorch创建Dataset,并加载DataLoader

原创 NanoPi M4开发opencv图像识别aruco码全过程（超详细）（二：测试补充）

原创 NanoPi M4开发opencv图像识别aruco码全过程（超详细）（二：测试）

原创 NanoPi M4开发opencv图像识别aruco码全过程（超详细）（一：搭环境）

转载在Linux下用sh打包链接库函数移植可执行文件

原创 opencv示例bin文件的可执行文件

原创 Ubuntu apt-get install 被锁定，无法对目录加锁

原创 Linux执行sh文件提示Permission denied

原创使用Linux命令行挂载U盘和拷贝文件

空空如也

空空如也