深度学习（二十四）——深度目标跟踪, L2 Normalization, Regularization
2017-12-05深度目标跟踪
原图地址：
https://github.com/foolwood/benchmark_results
这也是一个Visual Tracking的Paper List。
参考：
https://mp.weixin.qq.com/s/i5TyVvaRuTZ8c54Iiu4VHg
跟踪综述推荐：目标跟踪40年
https://zhuanlan.zhihu.com/p/22334661
深度学习在目标跟踪中的应用
https://mp.weixin.qq.com/s/u2UyeZwWKCQX5iOe6ZUA9w
目标跟踪算法综述
https://mp.weixin.qq.com/s/yunmBZ_5acDZlIN0mLf66g
《视觉跟踪最新方法与趋势》，44页最新综述带你全面了解视觉跟踪领域发展方向
https://zhuanlan.zhihu.com/p/76153871
一文带你了解视觉目标跟踪
https://zhuanlan.zhihu.com/p/96631118
单目标跟踪paper小综述
https://mp.weixin.qq.com/s/Qh_gn5fLJ-HwVsl4WAZzrQ
2020年两篇目标跟踪算法最佳综述
https://zhuanlan.zhihu.com/p/27293523
目标跟踪领域进展报告
https://mp.weixin.qq.com/s/3R8zaFUKFTvp0uE8lY44WA
首个应用残差学习的深度目标跟踪算法
https://zhuanlan.zhihu.com/p/27335895
CVPR 2017目标跟踪相关论文
https://www.zhihu.com/question/59623472
基于深度学习的目标跟踪算法是否可能做到实时？
http://acsweb.ucsd.edu/~yuw176/report/vehicle.pdf
Monocular Vehicle Detection and Tracking
https://mp.weixin.qq.com/s/x7LoIN7mOJcZDY70GB_rLg
VOT Challenge 2017亚军北邮团队技术分享
https://zhuanlan.zhihu.com/p/32489557
深度学习的快速目标跟踪
https://zhuanlan.zhihu.com/p/26654891
EBT：Proposal与Tracking不得不说的秘密
https://mp.weixin.qq.com/s/Pp3vnD2DMDYuiatI8drJrw
PTAV：实时高精度目标追踪框架
https://mp.weixin.qq.com/s/NCtgHHpiG473gixu1tZeJA
哈工大提出STRCF：克服遮挡和大幅形变的实时视觉追踪算法
https://mp.weixin.qq.com/s/2RNLG4KU81z7thk3CLwD9Q
商汤科技 & 中科院自动化所：视觉跟踪之端到端的光流相关滤波
https://zhuanlan.zhihu.com/p/36463844
目标跟踪新高度ECO+：解除深度特征被封印的力量
https://zhuanlan.zhihu.com/p/37897158
SiameseRPN阅读笔记
https://zhuanlan.zhihu.com/p/39614034
基于孪生区域推荐网络的高性能单目标跟踪
https://mp.weixin.qq.com/s/tr1oWpaRZair9zG5CHWvbg
视觉目标跟踪之DaSiamRPN
https://mp.weixin.qq.com/s/aRUmQ7SMlVczuifjSrUzFg
商汤开源目标跟踪最强算法SiamRPN系列
https://mp.weixin.qq.com/s/Nd5XLnncXRawu4V8TOzHxg
视觉物体跟踪新进展：让跟踪器读懂目标语义信息
https://zhuanlan.zhihu.com/p/46669238
VOT2018：SiamNet大崛起
https://mp.weixin.qq.com/s/dB5u2No8eakLnrjto0kvyQ
DaSiamRPN的升级版，视觉目标跟踪之SiamRPN++
https://mp.weixin.qq.com/s/hAdMfwTqfuMcF07RhhKvGg
SiamRPN++论文笔记
https://mp.weixin.qq.com/s/7hScDZQfv42nBKdYu4RA0Q
惊艳的SiamMask：开源快速同时进行目标跟踪与分割算法
https://mp.weixin.qq.com/s/yU7_j6hmWKv6FV1pWGq8qA
京东开源姿态跟踪新框架LightTrack！
https://mp.weixin.qq.com/s/Tlac-tXNlbACm17EFUsn8Q
ASRCF：基于自适应空间加权相关滤波的视觉跟踪研究
https://mp.weixin.qq.com/s/dcrVoGBU7SrCGQysJwTGcw
基于上下文信息分离的无监督运动目标检测
https://mp.weixin.qq.com/s/wK77YucINmQtvnH1nJX8vw
张志鹏：SiamDW Real-Time Visual Tracking
https://zhuanlan.zhihu.com/p/72988881
基于深度学习的光流估计
https://zhuanlan.zhihu.com/p/74460341
光流估计——从传统方法到深度学习
https://zhuanlan.zhihu.com/p/261046950
光流估计
https://mp.weixin.qq.com/s?__biz=MzI5MDUyMDIxNA==&mid=2247491156&idx=2&sn=e088a817c9c6b4f52527cfcf51dc7ffe
首个siamese网络中训练GCNs的视觉追踪方法《Graph Convolutional Tracking》
https://zhuanlan.zhihu.com/p/95842960
D3S
https://mp.weixin.qq.com/s/3NiCkJoTBt2qLaOsMAkCNg
MAML-Tracker:用目标检测思路做目标跟踪？小样本即可得高准确率
https://mp.weixin.qq.com/s/vFEHZv6qh1dWhQ27WUEDEQ
目标跟踪系列–C-COT算法
https://mp.weixin.qq.com/s/nDkaOb4q9cPSqW4w76kcNg
码隆科技提出SiamAttn，将孪生网络跟踪器的性能提至最优水平
https://mp.weixin.qq.com/s/DWaKFhK-dv43ap99fRnpAw
概率回归的视觉追踪
https://mp.weixin.qq.com/s/kPaPB-2pal–Hlh9F7WxhA
目标跟踪又添重磅开源工具箱，MMTracking来了
FlowNet
论文：
《FlowNet: Learning Optical Flow with Convolutional Networks》
参考：
http://www.cnblogs.com/zhang-yd/p/6511475.html
FlowNet
http://blog.csdn.net/hysteric314/article/details/50529804
神经光流网络——用卷积网络实现光流预测
http://geek.csdn.net/news/detail/129128
卷积神经网络（CNN）在无人驾驶中的应用
https://zhuanlan.zhihu.com/p/32663227
重新认识two stream的光流算法
http://blog.csdn.net/bea_tree/article/details/67049373
几分钟走进神奇的光流：FlowNet 2.0: Evolution of Optical Flow Estimation with Deep Networks
https://mp.weixin.qq.com/s/Z3Ra-XcUGO5BcYGLeKBClg
港中大等打造光流预测新模型SelFlow，自监督学习攻克遮挡难题
https://mp.weixin.qq.com/s/hWtiRPyeuk7VNoZhOwEUCQ
FlowNet
https://mp.weixin.qq.com/s/utlOnJ08ksu5BPOwqSQT-A
MaskFlownet：基于可学习遮挡掩模的非对称特征匹配
SpyNet
论文：
《Optical Flow Estimation using a Spatial Pyramid Network》
代码：
https://github.com/anuragranj/spynet
参考：
http://www.cnblogs.com/wangxiaocvpr/p/7058617.html
论文笔记之：Optical Flow Estimation using a Spatial Pyramid Network
多目标追踪
Multiple Object Tracking
https://zhuanlan.zhihu.com/p/34730368
多目标追踪
https://mp.weixin.qq.com/s/5Kcbnme7151Ln6KiTyVaBw
多目标追踪资源列表
https://mp.weixin.qq.com/s/laaLCZZIwNaEsy-Au9Yh7Q
多目标跟踪算法汇总，含算法介绍/论文/源码
https://zhuanlan.zhihu.com/p/65177442
多目标跟踪：近年论文及开源代码汇总
https://zhuanlan.zhihu.com/p/97449724
多目标跟踪（MOT）入门
https://mp.weixin.qq.com/s/hCg0kn2x8q-K9n_96-7p8A
基于深度学习的多目标跟踪（MOT）技术一览
https://zhuanlan.zhihu.com/p/36462982
多目标追踪算法：条件随机场算法
https://mp.weixin.qq.com/s/Lmvx_KurxG3nfmvhXAD_tQ
一种轻量级在线多目标车辆跟踪方法
https://mp.weixin.qq.com/s/zlo59TVpSq5w6zTwJLjbXg
视觉多目标跟踪算法综述（上）
https://mp.weixin.qq.com/s/XwMXrsmSnImgD1vNSVErLg
深度多目标跟踪算法综述
https://mp.weixin.qq.com/s/IlFxY-cXyOg2xmaGdJbOVQ
多目标跟踪算法
https://mp.weixin.qq.com/s/KLTSUqprwfFBVeVIP7HJRw
视频中的多目标跟踪
https://huangpiao.tech/archives/
一个多目标跟踪方面的专栏
https://zhuanlan.zhihu.com/p/55738110
商汤等提出：统一多目标跟踪框架
https://mp.weixin.qq.com/s/PGs3M5-vdQf4deE6hJuqng
多目标跟踪：SORT和Deep SORT
https://mp.weixin.qq.com/s/R2OE76ipTX3r_vvj0lYYYQ
精度优秀，速度214.7fps！卡内基梅隆大学开源强大的3D多目标跟踪系统
https://mp.weixin.qq.com/s/Siy_FaRmMRGPn4VBZuVRUQ
基于深度学习的多目标跟踪算法（上）：端到端的数据关联
https://mp.weixin.qq.com/s/7IzqglD0e89Y2Oai9Jv2XQ
打遍天下无敌手，却说它只是个baseline！多目标跟踪FairMOT的烦恼
https://mp.weixin.qq.com/s/eN9PgGBbM-5R3xQ6zSFiYA
多目标跟踪（MOT）领域近期值得读的几篇论文
https://zhuanlan.zhihu.com/p/138443415
从UMA Tracker(CVPR2020)出发谈谈SOT类MOT算法
https://mp.weixin.qq.com/s/lj926JcCYX8qbUOBTRsQIw
实时多人追踪论文–MOTDT
https://zhuanlan.zhihu.com/p/143798072
One Shot MOT Overview
https://mp.weixin.qq.com/s/rIMOKYgXaFEbvRZ14brrjw
Deep SORT论文阅读总结
https://mp.weixin.qq.com/s/wjKbKF8McGOjbjudi3cOVQ
FairMOT：统一检测、重识别的多目标跟踪框架，全新Baseline
https://zhuanlan.zhihu.com/p/151105050
基于图卷积GNN的多目标跟踪算法解析
https://mp.weixin.qq.com/s/bMBBYWk5-o5XEOSzI7DyDg
从FairMOT到VoxelPose，揭秘微软以“人”为中心的最新视觉理解成果
https://mp.weixin.qq.com/s/qpNbHKZ0V5do77jQlZDBBw
从零开始学习Deep SORT+YOLO V3进行多目标跟踪
https://mp.weixin.qq.com/s/mvx_LyGVzn_H3XpwTsuFMA
多目标跟踪：监控领域你必须要了解的算法
https://mp.weixin.qq.com/s/GQtyVdCBie7jN38bB0SlaA
带你入门多目标跟踪（一）领域概述
https://mp.weixin.qq.com/s/sk1I37Jwdf7sH5uSgd3juA
带你入门多目标跟踪（二）SORT&DeepSORT
https://mp.weixin.qq.com/s/oseEmzgb8iCoOf9lTbAssg
带你入门多目标跟踪（三）匈牙利算法&KM算法
https://mp.weixin.qq.com/s/Z-_iZl_CTixqK0vl0_CHfQ
基于深度学习的视觉多目标跟踪算法综述
Regularization
DL中的Regularization除了常见的\(l_1\)-norm、\(l_2\)-norm和squared \(l_2\)-norm之外，还有Group Regularization。它的定义如下：
\[loss(W;x;y) = loss_D(W;x;y) + \lambda_R R(W) + \lambda_g \sum_{l=1}^{L} R_g(W_l^{(G)})\] \[R_g(w^{(g)}) = \sum_{g=1}^{G} \lVert w^{(g)} \rVert_g = \sum_{g=1}^{G} \sum_{i=1}^{|w^{(g)}|} {(w_i^{(g)})}^2\]Group Regularization也叫做Block Regularization或Structured Regularization。
何恺明
MoCo
https://mp.weixin.qq.com/s/9zaTjwwGPHHzSv1ZmHf8_g
不妨试试MoCo，来替换ImageNet上pretrain模型！
https://mp.weixin.qq.com/s/GC6PGlweneYtYo7_SUr0Zw
MoCo V3：我并不是你想的那样！
https://mp.weixin.qq.com/s/sAYh3l2eab2r2KpbdxN30A
MoCo三部曲
