BriefGPT - AI 论文速递
·
实时无人机追踪的渐进表示学习
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
提出了一种基于Siamese相关滤波网络的无监督学习方法，通过前向追踪和反向追溯的一致性训练视觉跟踪器。该方法利用多帧验证和成本敏感损失，实现高效准确的实时跟踪，无需标记数据。使用更多未标记数据可进一步提升精度。
🎯
关键要点
- 提出了一种基于Siamese相关滤波网络的无监督学习方法。
- 通过前向追踪和反向追溯的一致性训练视觉跟踪器。
- 采用多帧验证方案和成本敏感损失促进无监督学习。
- 该方法实现实时速度，准确度与现有标准跟踪器相当。
- 无需使用昂贵的标记数据。
- 使用更多未标记或弱标记数据可进一步提高跟踪精度。
➡️
