liu.seSök publikationer i DiVA
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
The Thermal Infrared Visual Object Tracking VOT-TIR2016 Challenge Results
Linköpings universitet, Institutionen för systemteknik, Datorseende. Linköpings universitet, Tekniska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.ORCID-id: 0000-0002-6096-3648
University of Ljubljana, Slovenia.
Czech Technical University, Czech Republic.
University of Birmingham, England.
Visa övriga samt affilieringar
2016 (Engelska)Ingår i: Computer Vision – ECCV 2016 Workshops. ECCV 2016. / [ed] Hua G., Jégou H., SPRINGER INT PUBLISHING AG , 2016, s. 824-849Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

The Thermal Infrared Visual Object Tracking challenge 2016, VOT-TIR2016, aims at comparing short-term single-object visual trackers that work on thermal infrared (TIR) sequences and do not apply pre-learned models of object appearance. VOT-TIR2016 is the second benchmark on short-term tracking in TIR sequences. Results of 24 trackers are presented. For each participating tracker, a short description is provided in the appendix. The VOT-TIR2016 challenge is similar to the 2015 challenge, the main difference is the introduction of new, more difficult sequences into the dataset. Furthermore, VOT-TIR2016 evaluation adopted the improvements regarding overlap calculation in VOT2016. Compared to VOT-TIR2015, a significant general improvement of results has been observed, which partly compensate for the more difficult sequences. The dataset, the evaluation kit, as well as the results are publicly available at the challenge website.

Ort, förlag, år, upplaga, sidor
SPRINGER INT PUBLISHING AG , 2016. s. 824-849
Serie
Lecture Notes in Computer Science, ISSN 0302-9743, E-ISSN 1611-3349 ; 9914
Nyckelord [en]
Performance evaluation; Object tracking; Thermal IR; VOT
Nationell ämneskategori
Datorseende och robotik (autonoma system)
Identifikatorer
URN: urn:nbn:se:liu:diva-133773DOI: 10.1007/978-3-319-48881-3_55ISI: 000389501700055ISBN: 978-3-319-48881-3 (digital)ISBN: 978-3-319-48880-6 (tryckt)OAI: oai:DiVA.org:liu-133773DiVA, id: diva2:1063949
Konferens
14th European Conference on Computer Vision (ECCV)
Tillgänglig från: 2017-01-11 Skapad: 2017-01-09 Senast uppdaterad: 2018-10-15

Open Access i DiVA

fulltext(1320 kB)68 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 1320 kBChecksumma SHA-512
a2783739e573eabc5a8acd050987afd99e5b339be09bba612c0bf14ef84172ebdc175fe344c2f0e0c076a515c8cef9f84c74ba714a45c8574cee0e225b331913
Typ fulltextMimetyp application/pdf

Övriga länkar

Förlagets fulltext

Personposter BETA

Felsberg, MichaelBerg, AmandaEldesokey, AbdelrahmanAhlberg, JörgenKhan, Fahad ShahbazDanelljan, Martin

Sök vidare i DiVA

Av författaren/redaktören
Felsberg, MichaelHäger, GustavBerg, AmandaEldesokey, AbdelrahmanAhlberg, JörgenKhan, Fahad ShahbazDanelljan, Martin
Av organisationen
DatorseendeTekniska fakultetenCentrum för medicinsk bildvetenskap och visualisering, CMIV
Datorseende och robotik (autonoma system)

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 68 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

doi
isbn
urn-nbn

Altmetricpoäng

doi
isbn
urn-nbn
Totalt: 416 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf