CVPR2017 tracking

사용할 알고리즘을 선택할 때 벤치마크가 필요합니다. 저자가 새로운 알고리즘을 발표하는 경우에는 기존 알고리즘에 비해 어떻게 뛰어난지를 비교하고 있습니다. 유명한 학회에서 채택된 것과 같은 논문에서는 새로운 알고리즘을 배울 수 있을 뿐만 아니라, 그러한 사람이 기존 알고리즘을 어떻게 평가하고 있는지를 알 수 있습니다. 톱 컨퍼런스에서는 채택되기 전에 충분한 리뷰가 들어가므로 그런 점에서 꼭 읽어야 할 것입니다.

Action-Decision Networks for Visual Tracking with Deep Reinforcement Learning

그 논문에서
표 1: Summary of experiments on OTB-50
그럼 몇 가지 기술의 비교되었습니다. non-realtime과 realtime으로 알고리즘이 분류됩니다.



그렇다면 자신의 용도로 어떤 알고리즘을 선택해야합니까?
다음 논문은 임베디드를 위한 추적에 대한 관점에서 설명한다.

Action-Decision Networks for Visual Tracking with Deep Reinforcement Learning

위에서 다음 그래프가 있습니다. Fig. 1. Box plot illustrating averages and distributions of frame rates. Four (4) outliers
above 50 FPS between Median Flow and KCF are missing to make the y axis scale
better.



median flow
KCF가 프레임 속도가 나오는 알고리즘임을 알 수 있습니다.

그림 4. Success plots of the five tested trackers showing the fraction of frames success-
fully tracked as a function of required Jaccard index.



Overlap threshold에 대한 추적 성공률을 나타냅니다.

Online Object Tracking: A Benchmark

벤치마크 github

CVPR2018도 포함되어 있습니다.
htps : // 기주 b. 코 m / 후오 l

사용할 알고리즘을 선택하려면 어떻게 해야 합니까?

추적 알고리즘에 의한 추적의 계산 시간의 차이를 집계한다.
추적중인 개체 수에 따라 추적 계산 시간을 집계합니다.

그러면 선택해야 할 알고리즘이 드러납니다.