来源:Four Eyes Lab in University of California, Santa Barbara
文章:Evaluation of Interest Point Detectors and Features Descriptors for Visual Tracking, IJCV11

数据集

Four Eyes Lab公开了他们用于基于局部特征点跟踪的视频数据集。该数据集有96段视频,共6889 帧,6个不同纹理的图片对象,每个对象都以16种不同的方式进行拍摄,图像分辨率为640*480。

拍摄的方式有

  1. 随意拍摄(Unconstrained);
  2. 原地摆动镜头(Panning);
  3. 垂直平面旋转镜头(Rotation);
  4. 透视变换(Perspective distortion),从垂直拍摄转到平面拍摄;
  5. 拍摄距离变化(Zoom);
  6. 运动模糊(Motion blur);
  7. 光照突然变化(Static lighting);
  8. 光照平滑变化(Dynamic lighting)。

数据集的ground truth是homography,标注方式为:专门制作了一个特定尺寸的树脂玻璃架,玻璃架上四个角都装上了红色小球,放mark图像的四周都贴上了特殊纹理。视频图像中很容易检测到4个小球的位置,并且已知各小球之间的真实距离,所以能计算出图像到真实物理空间的单应矩阵。
groundtruth_coordinateframe.h文件给出了物理空间到图像空间的计算方式。

文章内容

文章侧重于评测各特征点,所以跟踪算法统一采用RANSAC,其中特征点包括:

  • harris角点,1988
  • GFTT,1994
  • SIFT,2004
  • SURF,2006
  • FAST,2006
  • CenSurE,2008
  • Keypoint Classification with Ferns or RandomForest,2006

文章对比了特征点的很多性质:repeatability、time、scale change、rotation、motion blur…,比较有用的结论有:

  1. SURF特征点用于跟踪能较好处理运动模糊;
  2. SIFT可以降低维度,而不影响精度;
  3. 斑点检测的重复性比角点高。

Visual Tracking Dataset UCSB相关推荐

  1. Learning Spatio-Temporal Transformer for Visual Tracking——精读笔记

    本篇精读笔记,对原文重要部分做了严格翻译,如摘要和总结.对正文部分做了提炼,对重点部分突出标注.对参考文献做了分类.本文内容较长,如果时间有限可以直接跳到感兴趣的小节阅读. 论文地址:https:// ...

  2. [VOT1](2019CVPR)SiamRPN++: Evolution of Siamese Visual Tracking with Very Deep Networks

    SiamRPN++: Evolution of Siamese Visual Tracking with Very Deep Networks 文章下载:https://arxiv.org/abs/1 ...

  3. [译]SiamRPN++: Evolution of Siamese Visual Tracking with Very Deep Networks--翻译

    来自商汤科技的一篇论文--翻译稿 code--GitHub 项目主页 摘要 基于孪生网络的跟踪器将跟踪表述为目标模板和搜索区域之间的卷积特征互相关.然而,与最先进的算法相比, 孪生网络的算法仍然有一个 ...

  4. STCT: Sequentially Training Convolutional Networks for visual tracking

    1.怎么将CNN用在特定的任务中 图1. 将CNN用在特定的任务中 众所周知CNN的使用往往需要大量的训练样本,但是我们在很多特定任务中是没法获得像imageNet那样庞大的样本库,因此如何在小样本中 ...

  5. 论文笔记之:Action-Decision Networks for Visual Tracking with Deep Reinforcement Learning

    论文笔记之:Action-Decision Networks for Visual Tracking with Deep Reinforcement Learning  2017-06-06  21: ...

  6. earning Multi-Domain Convolutional Neural Networks for Visual Tracking

    论文笔记<Learning Multi-Domain Convolutional Neural Networks for Visual Tracking> 0. 摘要 基于CNN的一个跟踪 ...

  7. 目标跟踪算法五:MDNet: Learning Multi-Domain Convolutional Neural Networks for Visual Tracking

    目标跟踪算法五:MDNet: Learning Multi-Domain Convolutional Neural Networks for Visual Tracking 原文:https://zh ...

  8. 目标跟踪算法三:Modeling and Propagating CNNs in a Tree Structure for Visual Tracking (VOT2016冠军)

    目标跟踪算法三:Modeling and Propagating CNNs in a Tree Structure for Visual Tracking (VOT2016冠军) 文章链接:https ...

  9. 论文笔记之:Multiple Feature Fusion via Weighted Entropy for Visual Tracking

    Multiple Feature Fusion via Weighted Entropy for Visual Tracking ICCV 2015 本文主要考虑的是一个多特征融合的问题.如何有效的进 ...

最新文章

  1. python移动文件中某个内容_如果python中的某些文件类型,则移动文件并创建目录...
  2. 【知识图谱】知识图谱概论
  3. THINKPHP3.2+PHP5.3 配置MEMCACHE
  4. 0009:err:listview:LISTVIEW_WindowProc unknown msg 108c问题解决
  5. 如何使用Kubernetes里的NetworkPolicy
  6. CVPR 2021 最佳论文奖项出炉,何恺明等获最佳论文提名 !
  7. 最简单的SpringMVC + Maven配置
  8. Spring mvc架构
  9. hdu Train Problem I 栈的基本应用
  10. raw,qcow2虚拟磁盘挂载
  11. Tushare最好用的金融数据接口之一
  12. CruiseControl.Net+SVN+MSBuild 自动编译
  13. ZUCC_计算机网络实验_实验11 Wireshark抓包软件高级
  14. 计算机操作系统发展史
  15. word导航窗显示二级目录
  16. 计算机键盘上的每一个按键编码,键盘按键修理
  17. 说明:最新谷歌AI智商不超过6岁研究来自科学院而非康内尔大学
  18. 日本最惨数学天才!37岁裸辞,房子被政府没收,向全村人乞讨,一家五口只能吃野菜.........
  19. 「我们只投这两种AI公司」, 三位局内人首次公开AI投资的技术与产业标准
  20. stata合并多张箱线图的命令

热门文章

  1. 打破双亲委派机制有什么用_你确定你真的理解双亲委派了吗?!
  2. 中国二手车出口现状与趋势分析
  3. 机器学习多模型组合在竞赛项目中的应用十例
  4. [4.6每周质量报告]等离子PK液晶电视
  5. 夜深人静做游戏---之一
  6. 角门小学一年级新生家长会
  7. UniCode与非UniCode的区别
  8. 【智能优化算法】基于花朵授粉算法求解单标目优化问题附matlab代码
  9. 【JS 逆向百例】某网站加速乐 Cookie 混淆逆向详解
  10. 思岚科技a1雷达sdk linux下的cmake 工程搭建