| Título : |
Visual Object Tracking from Correlation Filter to Deep Learning |
| Tipo de documento: |
documento electrónico |
| Autores: |
Xing, Weiwei, Autor ; Liu, Weibin, Autor ; Wang, Jun, Autor ; Zhang, Shunli, Autor ; Wang, Lihui, Autor ; Yang, Yuxiang, Autor ; Song, Bowen, Autor |
| Mención de edición: |
1 ed. |
| Editorial: |
Singapore [Malasya] : Springer |
| Fecha de publicación: |
2021 |
| Número de páginas: |
XIV, 193 p. 125 ilustraciones, 84 ilustraciones en color. |
| ISBN/ISSN/DL: |
978-981-1662423-- |
| Nota general: |
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. |
| Palabras clave: |
Visión por computador Procesamiento de imágenes Inteligencia artificial Imágenes por computadora visión reconocimiento de patrones y gráficos |
| Índice Dewey: |
006.37 Visión artificial |
| Resumen: |
El libro se centra en sistemas y enfoques de seguimiento de objetos visuales basados en filtros de correlación y aprendizaje profundo. Se han abordado tanto los fundamentos como las implementaciones. Se han explorado el algoritmo, el diseño del sistema y la evaluación del rendimiento para tres tipos de métodos de seguimiento, incluidos los métodos basados en filtros de correlación, los filtros de correlación con métodos basados en características profundas y los métodos basados en aprendizaje profundo. En primer lugar, la estrategia multiescala y consciente del contexto se presenta en rastreadores basados en filtros de correlación; luego, se proponen un filtro de correlación a largo plazo, un filtro de correlación consciente del contexto y una reubicación auxiliar en el marco SiamFC para combinar el filtro de correlación y el aprendizaje profundo en el seguimiento visual de objetos; Finalmente, se diseñan mejoras en los rastreadores basados en aprendizaje profundo, incluida la red siamesa, GAN y el aprendizaje por refuerzo. El objetivo de este libro es traer, de manera oportuna, los últimos avances y desarrollos en el seguimiento visual de objetos, especialmente filtros de correlación y métodos basados en aprendizaje profundo, lo cual es particularmente adecuado para lectores interesados en la investigación y la innovación tecnológica en visual. seguimiento de objetos y campos relacionados. |
| Nota de contenido: |
Introduction -- Algorithm Foundations -- Correlation Filter Based Visual Object Tracking -- Correlation Filter with Deep Feature for Visual Object Tracking -- Deep Learning Based Visual Object Tracking -- Summary and Future Work. |
| En línea: |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
| Link: |
https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i |
Visual Object Tracking from Correlation Filter to Deep Learning [documento electrónico] / Xing, Weiwei, Autor ; Liu, Weibin, Autor ; Wang, Jun, Autor ; Zhang, Shunli, Autor ; Wang, Lihui, Autor ; Yang, Yuxiang, Autor ; Song, Bowen, Autor . - 1 ed. . - Singapore [Malasya] : Springer, 2021 . - XIV, 193 p. 125 ilustraciones, 84 ilustraciones en color. ISBN : 978-981-1662423-- Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
| Palabras clave: |
Visión por computador Procesamiento de imágenes Inteligencia artificial Imágenes por computadora visión reconocimiento de patrones y gráficos |
| Índice Dewey: |
006.37 Visión artificial |
| Resumen: |
El libro se centra en sistemas y enfoques de seguimiento de objetos visuales basados en filtros de correlación y aprendizaje profundo. Se han abordado tanto los fundamentos como las implementaciones. Se han explorado el algoritmo, el diseño del sistema y la evaluación del rendimiento para tres tipos de métodos de seguimiento, incluidos los métodos basados en filtros de correlación, los filtros de correlación con métodos basados en características profundas y los métodos basados en aprendizaje profundo. En primer lugar, la estrategia multiescala y consciente del contexto se presenta en rastreadores basados en filtros de correlación; luego, se proponen un filtro de correlación a largo plazo, un filtro de correlación consciente del contexto y una reubicación auxiliar en el marco SiamFC para combinar el filtro de correlación y el aprendizaje profundo en el seguimiento visual de objetos; Finalmente, se diseñan mejoras en los rastreadores basados en aprendizaje profundo, incluida la red siamesa, GAN y el aprendizaje por refuerzo. El objetivo de este libro es traer, de manera oportuna, los últimos avances y desarrollos en el seguimiento visual de objetos, especialmente filtros de correlación y métodos basados en aprendizaje profundo, lo cual es particularmente adecuado para lectores interesados en la investigación y la innovación tecnológica en visual. seguimiento de objetos y campos relacionados. |
| Nota de contenido: |
Introduction -- Algorithm Foundations -- Correlation Filter Based Visual Object Tracking -- Correlation Filter with Deep Feature for Visual Object Tracking -- Deep Learning Based Visual Object Tracking -- Summary and Future Work. |
| En línea: |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
| Link: |
https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i |
|  |
Hacer una sugerencia Refinar búsqueda
