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 Visual Object Tracking VOT2016 Challenge Results
University of Ljubljana, Slovenia.
University of Birmingham, England.
Czech Technical University, Czech Republic.
Linköpings universitet, Institutionen för systemteknik, Datorseende. Linköpings universitet, Tekniska fakulteten.ORCID-id: 0000-0002-6096-3648
Visa övriga samt affilieringar
2016 (Engelska)Ingår i: COMPUTER VISION - ECCV 2016 WORKSHOPS, PT II, SPRINGER INT PUBLISHING AG , 2016, Vol. 9914, s. 777-823Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

The Visual Object Tracking challenge VOT2016 aims at comparing short-term single-object visual trackers that do not apply pre-learned models of object appearance. Results of 70 trackers are presented, with a large number of trackers being published at major computer vision conferences and journals in the recent years. The number of tested state-of-the-art trackers makes the VOT 2016 the largest and most challenging benchmark on short-term tracking to date. For each participating tracker, a short description is provided in the Appendix. The VOT2016 goes beyond its predecessors by (i) introducing a new semi-automatic ground truth bounding box annotation methodology and (ii) extending the evaluation system with the no-reset experiment.

Ort, förlag, år, upplaga, sidor
SPRINGER INT PUBLISHING AG , 2016. Vol. 9914, s. 777-823
Serie
Lecture Notes in Computer Science, ISSN 0302-9743, E-ISSN 1611-3349 ; 9914
Nyckelord [en]
Performance evaluation; Short-term single-object trackers; VOT
Nationell ämneskategori
Datorseende och robotik (autonoma system)
Identifikatorer
URN: urn:nbn:se:liu:diva-133772DOI: 10.1007/978-3-319-48881-3_54ISI: 000389501700054ISBN: 978-3-319-48881-3 (tryckt)ISBN: 978-3-319-48880-6 (tryckt)OAI: oai:DiVA.org:liu-133772DiVA, id: diva2:1063965
Konferens
14th European Conference on Computer Vision (ECCV)
Tillgänglig från: 2017-01-11 Skapad: 2017-01-09 Senast uppdaterad: 2018-10-16

Open Access i DiVA

fulltext(2804 kB)49 nedladdningar
Filinformation
Filnamn FULLTEXT02.pdfFilstorlek 2804 kBChecksumma SHA-512
4a69aefce935d17204b3db049fea5c3d092fd0c8b14bec5f31d5f021da37c93ca18d0afe06ba9c37e66eb183537636a5cee5b2a2b8ab5e04b61f5ee6c8ca887b
Typ fulltextMimetyp application/pdf

Övriga länkar

Förlagets fulltext

Sök vidare i DiVA

Av författaren/redaktören
Felsberg, MichaelHäger, GustavRobinson, AndreasKhan, FahadDanelljan, Martin
Av organisationen
DatorseendeTekniska fakulteten
Datorseende och robotik (autonoma system)

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 50 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: 529 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