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
Unveiling the power of deep tracking
Linköpings universitet, Institutionen för systemteknik, Datorseende. Linköpings universitet, Tekniska fakulteten.
Linköpings universitet, Institutionen för systemteknik, Datorseende. Linköpings universitet, Tekniska fakulteten.
Linköpings universitet, Institutionen för systemteknik, Datorseende. Linköpings universitet, Tekniska fakulteten.
Linköpings universitet, Institutionen för systemteknik, Datorseende. Linköpings universitet, Tekniska fakulteten.
Visa övriga samt affilieringar
2018 (Engelska)Ingår i: Computer Vision – ECCV 2018: 15th European Conference, Munich, Germany, September 8-14, 2018, Proceedings, Part II / [ed] Vittorio Ferrari, Martial Hebert, Cristian Sminchisescu and Yair Weiss, Cham: Springer Publishing Company, 2018, s. 493-509Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

In the field of generic object tracking numerous attempts have been made to exploit deep features. Despite all expectations, deep trackers are yet to reach an outstanding level of performance compared to methods solely based on handcrafted features. In this paper, we investigate this key issue and propose an approach to unlock the true potential of deep features for tracking. We systematically study the characteristics of both deep and shallow features, and their relation to tracking accuracy and robustness. We identify the limited data and low spatial resolution as the main challenges, and propose strategies to counter these issues when integrating deep features for tracking. Furthermore, we propose a novel adaptive fusion approach that leverages the complementary properties of deep and shallow features to improve both robustness and accuracy. Extensive experiments are performed on four challenging datasets. On VOT2017, our approach significantly outperforms the top performing tracker from the challenge with a relative gain of >17% in EAO.

Ort, förlag, år, upplaga, sidor
Cham: Springer Publishing Company, 2018. s. 493-509
Serie
Lecture Notes in Computer Science, ISSN 0302-9743, E-ISSN 1611-3349 ; 11206
Nationell ämneskategori
Datorseende och robotik (autonoma system) Teknik och teknologier
Identifikatorer
URN: urn:nbn:se:liu:diva-161032DOI: 10.1007/978-3-030-01216-8_30ISBN: 9783030012151 (tryckt)ISBN: 9783030012168 (digital)OAI: oai:DiVA.org:liu-161032DiVA, id: diva2:1361991
Konferens
15th European Conference on Computer Vision (ECCV). Munich, Germany, 8-14 September, 2018
Tillgänglig från: 2019-10-17 Skapad: 2019-10-17 Senast uppdaterad: 2019-10-30Bibliografiskt granskad

Open Access i DiVA

Unveiling the power of deep tracking(627 kB)17 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 627 kBChecksumma SHA-512
e1e14dade0f91f39f63ed98033c76b1cfdeb666fb7473406cda76b00e5a4e66f271ddccb72d48b555ea7245c766ba22ddee927f7859c3f92170ab1a0be181f2c
Typ fulltextMimetyp application/pdf

Övriga länkar

Förlagets fulltext

Personposter BETA

Bhat, GoutamJohnander, JoakimDanelljan, MartinKhan, Fahad ShahbazFelsberg, Michael

Sök vidare i DiVA

Av författaren/redaktören
Bhat, GoutamJohnander, JoakimDanelljan, MartinKhan, Fahad ShahbazFelsberg, Michael
Av organisationen
DatorseendeTekniska fakulteten
Datorseende och robotik (autonoma system)Teknik och teknologier

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 17 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: 45 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