DiMP视频目标跟踪算法中hinge-like loss的理解

最新推荐文章于 2023-04-15 16:45:12 发布
最新推荐文章于 2023-04-15 16:45:12 发布
阅读量1.7k 收藏 11
点赞数 2
CC 4.0 BY-SA版权
分类专栏： 数字图像处理、模式识别与深度学习 视频目标跟踪（Visual tracking） 论文笔记（Paper notes） 文章标签： 视频目标跟踪 论文笔记 深度学习 ICCV hinge loss
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/discoverer100/article/details/103339430
本文介绍了DiMP跟踪算法中hinge-like loss的应用，旨在解决目标跟踪中正负样本不平衡的问题。作者从SVM的hinge loss出发，通过修改形成新的损失函数，使模型更专注于区分正负样本，降低对负样本的过度学习。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

1. 论文基本信息




2. 为什么要用hinge-like loss

在使用hinge-like loss之前，作者对残差的定义为：

r ( s , c ) = s − y c (1) r(s, c)=s-y_{c} \tag {1} r(s,c)=s−yc​(1)

其中， s s s表示真实的响应得分， y c y_{c} yc​表示期望的响应得分，通常采用一个高斯分布进行表示，两者之差即为所求解的残差，这是最基础的残差求解思想。

然而在目标跟踪问题

最低0.47元/天 解锁文章

200万优质内容无限畅学
MATLAB算法实战应用案例精讲-【数模应用】triplet 损失函数（附python代码实现）
qq_36130719的博客
06-29 460
锚点anchor正例positive负例negative要求：锚点和正例是处于相同的类别，锚点和负例处于不同的类别。a,p,n都不是原始样本，而是原始样本被神经网络做特征提取后的得到的特征向量。
MATLAB算法实战应用案例精讲-【数模应用】triplet 损失函数（最终篇）
qq_36130719的博客
07-02 380
在训练Triplet Loss模型时，只需要输入样本，不需要输入标签，这样避免标签过多、同标签样本过少的问题，模型只关心样本编码，不关心样本类别。Triplet Loss在相似性计算和检索中的效果较好，可以学习到样本与变换样本之间的关联，检索出与当前样本最相似的其他样本。其中锚示例是样本集中随机选取的一个样本，正示例与锚示例属于同一类的样本，而负示例与锚示例属于不同类的样本。Triplet Loss，即三元组损失，用于训练差异性较小的数据集，数据集中标签较多，标签的样本较少。锚（Anchor）示例。
[DiMP跟踪算法]代码学习笔记
missyoudaisy的博客
03-04 9766
大家好，最近一直在看DiMP的代码，但是发现自己经常容易看了后面的忘了前面的，妈妈常和我说“好脑子不如烂笔头”，所以我今天决定把关于代码的一些想法记录下来，一定会有很多问题的，希望大家多多包容，多多与我交流，很欢迎大家评论或私信我哦～ 一、pytracking/pytracking/tracker/dimp/dimp.py文件中的initialize函数 def initialize(self,...
目标跟踪DiMP: Learning Discriminative Model Prediction for Tracking
laizi_laizi的博客
11-29 9648
DiMP: Learning Discriminative Model Prediction for TrackingResultsVOT2018LaSOTTrackingNet(test)GOT10k(test)Nfs/OTB/UAV123ArchitectureOffiline trainingOnline tracking 论文：DIMP: Learning Discriminative Model Prediction for Tracking 代码：https://github.com/visio
hinge loss（损失函数）详解
热门推荐
莲君
06-27 1万+
hinge loss：支持向量机损失函数 1.对于训练集中的第iii张图片数据xix_ixi​,在WWW下会有一个得分结果向量f(xi,W)f(x_i,W)f(xi​,W); 2.第jjj类的得分我们记作f(xi,W)jf(x_i,W)_jf(xi​,W)j​; 3.则在该样本上的损失，我们由下列的公式可以计算得到(1)Li=∑j≠yimax(0,f(xi,W)j−f(xi,W)yi+△)L_i=...
【目标跟踪】|DiMP: Learning Discriminative Model Prediction for Tracking
qq_35608277的博客
07-07 823
论文：DIMP: Learning Discriminative Model Prediction for Tracking 代码：https://github.com/visionml/pytracking将目标区域送入特征提取器得到一个比较好的特征表示。 Siamese tracking 算法只用到了目标区域，将在目标区域内提取的特征，直接在测试帧图像的特征中进行相关操作，这种方法简单，速度快，在简单场景下效果挺好，但鲁棒性差，无法处理复杂场景（相似物体问题）。没有在线分类器为解决siamese网络的不
ATOM、DiMP目标跟踪详细代码记录：测试
qq_41831753的博客
09-25 2509
记录下ATOM、DiMP目标跟踪测试代码，纯代码，保证只有自己能看懂！
DiMP:Learning Discriminative Model Prediction for Tracking
surprising
10-11 4297
文章目录Abstract Abstract 目前致力于端到端训练的计算机视觉系统，对于视觉跟踪任务是重要的挑战。与其他视觉问题相反，跟踪需要在推理阶段学习一个鲁棒的基于特定目标的在线外观模型。为了端到端训练，目标模型的在线学习因此需要嵌入到跟踪框架本身中。由于这些困难，流行的Siamese模型简单的预测了一个目标特征模板。然而，这样一个模型由于它不能集成背景信息而拥有有限的判别能力。 ...
Loss函数
weixin_39586997的博客
06-22 1128
1.BCE Loss import torch.nn as nn sigmoid = nn.Sigmoid() loss = nn.BCELoss() final_loss = loss(output, label)
论文阅读【MDet】目标跟踪
sinat_31184961的博客
11-02 868
论文：Learning Multi-Domain Convolutional Neural Networks for Visual Tracking 首先解释一下Multi-Domain， 也就是多域的CNN，这边的一个域指的是一个视频序列，本文是通过学习一些跨域通用的特征来做跟踪，后面会解释如何训练和跟踪。 1、introduction 近年来，CNN被广泛应用于图像分类、分割，目标检测等，现今...
DIMP算法.docx
07-29
马丁大神的论文详细翻译版。论文详细翻译了DIMP算法的各个步骤和思想、结论和结果。希望大家在目标跟踪领域多多交流。
Hinge Loss与CE Loss的对比分析（全网最透彻清晰解释）
Xu_Wave
09-30 1210
Hinge Loss、CE Loss、面试题
近几年目标跟踪论文简单分类综述
sinat_31184961的博客
08-21 4458
Siamese类 SiamFC（ECCV2016） SiamRPN（CVPR2018 Spotlight）：SiamFC+RPN DaSiamRPN（ECCV2018） SiamRPN++（CVPR2019）：ResNet+multilevel feature，对每个层的特征都做RPN，再结合，和C-RPN不一样； CFNet（CVPR2017）：第一篇将Siamese和相关滤波结合 RASNe...
目标跟踪算法个人理解-KeepTrack篇
nulishuaxinzhong的博客
03-30 4347
项目配置：参考站内大佬的教程我们的方法由一个基本外观跟踪器组成，从中提取每一帧中的目标候选。每个候选人被编码为一组与众不同的特征，由目标分类器得分、位置和外观组成。采用Super DiMP作为base tracker，该跟踪器使用DiMP中的目标分类器和PrDiMP中的概率包围盒回归，并改进了训练设置。利用基本跟踪器得到候选物的一系列特征：目标分类器分数 si，图像中的位置 ci，以及基于基础跟踪器的主干特征的外观提示 fi。将这组特征编码为候选物的单个特征向量Zi。
【ANT（AAAI2019）】目标跟踪论文阅读笔记
sinat_31184961的博客
04-11 1012
Learning Attribute-Specific Representations for Visual Tracking 论文地址 写在前面 这篇文章是大牛Ming-Hsuan Yang 2019AAAI的工作，主要是将跟踪中会遇到的遮挡、形变之类的问题作为每一帧的属性，通过对这个属性分branch学习，每个branch学到对应属性的特征，然后再整合来做分类和定位。感觉有点像人家人脸识别中，...
Hinge loss function
zkq_1986的博客
11-12 1220
1公式 Hinge loss损失函数l(y)主要用于SVM的参数w和b的训练中，其形式为： ℓ(y)=max(0,1−t⋅y)\ell(y) = \max(0, 1-t \cdot y) 其中t表示1或-1的类别，y表示样本的实际位置，且有|y|>=1。 如果y分到正确的类，即与t同方向，那么l(y)=0，否则l(y)>0。对于样本x，其y值为wb（w已经将原本的w和b合并成一个），那么l(
基于深度学习的热红外目标跟踪算法浅析
Littro Innovations
04-15 899
基于深度学习算法的热红外目标跟踪
【DM8】dimp和dexp命令的用法
qq_36776577的博客
01-27 2634
dimp 逻辑导入 dimp 逻辑导入工具利用 dexp 工具生成的备份文件对本地或远程的数据库进行联机逻辑还原。 dimp 导入是 dexp 导出的相反过程。 还原的方式可以灵活选择，如是否忽略对象存在而导致的创建错误、是否导入约束、是否导入索引、导入时是否需要编译、是否生成日志等。 用 dimp 工具导入备份 dimp 工具需要从命令行启动。在 cmd 命令行工具中找到 dimp 所在安装目录/dmdbms/bin，输入 dimp 和参数后回车。 语法如下： dimp PARAMETER=value {
跑通DIMP（Windows10）
qq_45104603的博客
09-01 453
跑通pytracking的DIMP
DiMP目标跟踪算法 开源学习
最新发布
03-11
最后，确保回答中引用了用户提供的引用内容，但目前的引用似乎不相关，所以可能无法直接引用，但用户可能希望看到引用标记，可能需要找到相关点，比如在目标跟踪算法综述中提到DiMP的位置，但用户提供的引用[1]是一...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值