Knowledge Commons of Institute of Automation,CAS
Graph Convolutional Tracking | |
Gao, Junyu1,2,3; Zhang, Tianzhu1,2,4; Xu, Changsheng1,2,3 | |
2019-06 | |
会议名称 | IEEE Conference on Computer Vision and Pattern Recognition (CVPR) |
会议日期 | 2019-6 |
会议地点 | Long Beach, USA |
摘要 | Tracking by siamese networks has achieved favorable performance in recent years. However, most of existing siamese methods do not take full advantage of spatial-temporal target appearance modeling |
语种 | 英语 |
七大方向——子方向分类 | 目标检测、跟踪与识别 |
文献类型 | 会议论文 |
条目标识符 | http://ir.ia.ac.cn/handle/173211/39174 |
专题 | 多模态人工智能系统全国重点实验室_多媒体计算 |
作者单位 | 1.National Laboratory of Pattern Recognition, Institute of Automation, Chinese Academy of Sciences 2.University of Chinese Academy of Sciences (UCAS) 3.Peng Cheng Laboratory, ShenZhen, China 4.University of Science and Technology of China |
第一作者单位 | 模式识别国家重点实验室 |
推荐引用方式 GB/T 7714 | Gao, Junyu,Zhang, Tianzhu,Xu, Changsheng. Graph Convolutional Tracking[C],2019. |
条目包含的文件 | 下载所有文件 | |||||
文件名称/大小 | 文献类型 | 版本类型 | 开放类型 | 使用许可 | ||
cvpr2019GCNT.pdf(1645KB) | 会议论文 | 开放获取 | CC BY-NC-SA | 浏览 下载 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论