学习笔记18--SiamRPN

最新推荐文章于 2025-05-12 16:45:36 发布
最新推荐文章于 2025-05-12 16:45:36 发布
阅读量1.4k 收藏 3
点赞数 1
CC 4.0 BY-SA版权
分类专栏： 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Shl_1024/article/details/104738690
本文深入探讨了Siamese-RPN在视觉追踪中的作用，它结合了Siamese网络和区域提案网络（RPN）。通过共享卷积层参数的两分支结构，实现了目标的高效定位。Siamese特征提取子网络使用AlexNet的修改版，而区域提案子网络受到Faster R-CNN的RPN启发。训练过程中，采用特定的锚点比例和正负样本策略，并利用one-shot detection方法进行参数学习。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

论文High Performance Visual Tracking with Siamese Region Proposal Network

本文主要提出Siamese region Proposal Network（Siamese-RPN），包含siamese子网络用于特征提取，以及候选区域生成网络(region proposal subnetwork)用于分类和回归。

一、先了解siamese网络--Fully-Convolutional Siamese Networks for Object Tracking

网络结构为上下两分支，共享卷积层参数（相同的特征提取网络φ，孪生网络含义）。模板分支z用来提取第一帧特征，检测分支x在当前帧上根据上一帧结果裁剪出search region。然后将模板z提取的特征图作为卷积核在x的特征上进行卷积操作，即图中的*部分，最终得到一个分数图score map，表示搜索区域各个位置与模板z之间的相似度，相应最大的点即为目标位置。

二、Siamese-RPN框架

 1、Siamese feature extraction subnetwork

最低0.47元/天 解锁文章
SiamRPN++阅读笔记
lighten-1996的博客
05-23 3426
论文地址：https://arxiv.org/pdf/1812.11703.pdf 代码地址：https://github.com/STVIR/pysot （截至博客发表前只能运行demo程序） 前言： 在所有效果较好的算法中，网络结构基本是基于AlexNet和VGG，深度学习作为当今潮流，人们喜欢将热门网络结构与自己领域相结合，但是为什么在前几年ResNet热度高居不下的情况下，依然没有人将R...
【论文笔记】CVPR2018_SiamRPN
aaon22357的博客
06-14 2214
SiamFC的缺点： Siamese的方法只能得到目标的中心位置，但是得不到目标的尺寸，所以只能采取简单的多尺度加回归，这即增加了计算量，同时也不够精确。 本文的改进： SiamFC+ RPN Network，输出两个分支，分别用于分类和回归（SiamFC没有回归，而是用多尺度测试，增加了计算量且不够精确），帧率160fps（不需要在线微调），端到端，单目标跟踪 SiamRPN网络结构： 【训练阶...
SiamRPN阅读笔记：High Performance Visual Tracking with Siamese Region Proposal Network
热门推荐
闲逸的炫鹰
07-10 4万+
这是来自商汤的一篇文章 发表在CVPR2018上 论文地址 目录： 摘要 1.引言 2.相关工作 RPN One-shot learning 3.Siamese-RPN framework 3.1 孪生特征提取子网络 3.2 候选区域提取子网络 3.3 训练阶段：端到端训练孪生RPN 4. Tracking as one-shot detection 5. 实验 6. 结论 ...
SiamRPN
weixin_45751113的博客
03-18 714
一、网络框架 第一，与SiamFC相同，模板图像和搜索图像经过AlexNet骨干网(Siamese network)提取特征。第二，之后送入region proposal network 进行分类回归。由于SiamRPN是基于anchor的方法，因此图中分类分支和回归分支都有upchannel这一步操作。模板图像的特征与搜索图像的特征互相关后，得到对应的分类得分，回归偏移量。 二、tracking流程 把第一帧的模板图像送入骨干网提取特征，后续帧（搜索图像）经过提取特征步骤后都与第一帧的特征进行互相关，
计算机视觉---目标追踪（Object Tracking）概览
最新发布
MzKyle的博客
05-12 1625
定义：在视频序列或连续图像中，对一个或多个感兴趣目标（如人、车辆、物体等）的位置、运动轨迹进行持续估计的过程。核心任务：跨帧关联目标，解决“同一目标在不同帧中的对应关系”。核心输入：视频序列（含帧图像、时间戳）、初始帧目标位置（单目标）或检测结果（多目标）。目标追踪是计算机视觉的核心任务，从单目标的精准定位到多目标的全局关联，技术路线涵盖传统算法到深度学习，应用场景渗透安防、交通、机器人等领域。
SiamRPN代码讲解，推理测试讲解
qq_44799766的博客
10-07 5262
以代码+注释的形式，详解siamrpm的推理过程。 后续会详解siamrpn的训练过程。
SiamRPN论文笔记
qq_41434501的博客
10-01 1752
SiamRPN，单点检测，目标跟踪
【2018-2019】SiamRPN Series
大洲的博客
05-21 929
听说最近商汤的几个优秀跟踪器有可能要开源，赶紧好好读一下新的论文… Li Bo, Wu Wei, Qiang Wang也不陌生了，SiamRPN和DaSiamRPN都见过了。直接从主要部分开始： Siamese 架构分析 通常的ResNet移植到跟踪问题没有取得很好的效果，那么分析Siamese架构 简单来说Siamese是对于exemplar分支和search分支做cross-correla...
【论文笔记】CVPR2019_SiamRPN++
aaon22357的博客
06-18 685
文章目录Motivation分析深层网络跟踪效果差的原因 作者专栏 https://zhuanlan.zhihu.com/p/56254712 参考 https://blog.csdn.net/WZZ18191171661/article/details/88579348 Motivation 该论文主要解决的问题是将深层网络ResNet、Inception等网络应用到基于孪生网络的跟踪网络中。在...
论文阅读笔记SiamRPN：High Performance Visual Tracking with Siamese Region Proposal Network
qq_29785387的博客
10-07 2041
SiamRPN是2018CVPR上的一篇文章，通过孪生网络+RPN的方式实现高速、精准的目标跟踪。 摘要   主要讲述目前大部分深度学习算法无法达到高速和准确同时兼顾，本文的SiamRPN利用大量训练图片实现端对端的离线训练，通过孪生网络进行特征提取，RPN网络进行分类和回归操作。在实际跟踪阶段，可以视为单样本目标检测过程（one-shot detection），VOT2015,VOT2016...
SiameseRPN原理详解（个人学习笔记）
CHEN77的博客
03-29 2430
了解RPN和SiamFC的话，可以很容易地理解SiameseRPN的架构和核心思想。还没跑过代码，希望有时间试试。
SiamRPN++详解：论文翻译
计算机视觉
06-03 9241
原文翻译(凌空的桨)：https://blog.csdn.net/baidu_36669549/article/details/85719585 分析1：https://blog.csdn.net/weixin_41063476/article/details/87881366 https://blog.csdn.net/greatstriker/article/details/9014...
(三) SiamRPN从论文角度介绍
BearLeer的博客
03-23 1544
文章：High Performance Visual Tracking with Siamese Region Proposal Network1 1.Motivation 尽管之前的目标跟踪器取得了不错的性能，但是他们中的大部分很难在实时性和高性能方面同时存在。从而，作者提出了SiamRPN网络，端到端的离线训练图像pairs。SiamRPN包括一个Siamese subnetwork(类似于SiamFC)用于特征提取，以及一个区域推荐网络RPN，该RPN包括分类和回归分支。与标准的RPN网络不同，作者使
SiamRPN++算法详解
WZZ18191171661的博客
03-15 3万+
论文题目：SiamRPN++: Evolution of Siamese Visual Tracking with Very Deep Networks 论文链接：论文链接 论文代码：后续会开源 一、SiamRPN和DaSiamRPN回顾 1、SiamRPN 基于SiamFC, 引入了Faster RCNN中的RPN模块，让tracker可以回归位置、形状，可以省掉多尺度测试，提高算法性能的同时...
Siamese系列跟踪网络之SiamFC、SiamRPN、DaSiamRPN、SiamRPN++、SiamMask
迷路的咸鱼的博客
01-28 1万+
  目前，跟踪领域主要分为两条主线，即基于相关滤波的跟踪算法和基于孪生网络的跟踪算法。由于深度特征的提取和更新很难做到实时，基于在线微调网络的深度目标跟踪方法会使跟踪器的效率大大降低。为解决这一问题，SiamFC提出基于离线端到端训练的全卷积李生网络的跟踪方法，在拥有较快的跟踪速度的同时，保持着较高的跟踪精度，因此受到了广泛的关注，近年来也出现基于此的大量研究。下图就是从SaimFC延伸的发展脉络： Pysot是由商汤视频智能研究小组上传在Github的一个开源项目，由pytorch深度学习框架提供支持，
SiamRPN代码分析：architecture
qq_41831753的博客
02-21 1万+
SiamRPN代码分析从代码角度出发，结合理论进行分析，本文是第一部分关于网络框架的分析 1、SiamRPN的创新之处(anchor) 2、特征提取网络和RPN 3、网络训练和测试的推导过程
(one-shot detection)Review: Comparison Network for one-shot Conditional object detection
Bryce1010's Blog
12-10 1466
本篇文章思路比较简单，作者认为，One-shot Learning只检测与query image相似的目标，是一种有条件的检测任务，适合引入贝叶斯条件概率理论。 网络的大致模型： (a) 表示以前做One-shot conditional detection任务的常用做法，采用selective windows设计一个固定的metric 方法；(b)表示LSTD的做法，对RPN和分类器都采用f...
Siamrpn跟踪模型转RKNN模型
z18504252988的博客
04-07 784
，使用Siamrpn_alex模型进行模型转换，并在RK3588进行测试，实际测试FPS：15。可访问我的github仓库进行复现（
SiamMask原理详解：从SiamFC到SiamRPN++，再到多任务分支设计
weixin_43745234的博客
04-24 1165
从SiamFC到SiamRPN++，再到SiamMask，目标跟踪领域经历了从简单的模板匹配到引入anchor机制，再到多任务学习的演变。SiamMask通过结合目标跟踪和目标分割，极大地提高了目标跟踪的精度和鲁棒性，特别是在处理复杂场景下的目标时，能够提供更为细致和高效的跟踪能力。随着深度学习技术的发展，未来的目标跟踪网络可能会更加注重多任务的融合以及对多尺度、多形状目标的处理。SiamMask的成功为后续的相关研究提供了宝贵的经验和技术路径。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值