Izboljšan segmentacijski sledilnik z uporabo diskriminativnega učenjaKos, Domen (Avtor) Kristan, Matej (Mentor) vizualno slednjevideo segmentacijadiskiminativni korelacijski filtriV nalogi predlagamo in analiziramo ustreznost različnih diskriminativnih korelacijskih filtrov (DCF) v arhitekturi sledilnika D3S. Najprej se posvetimo obstoječemu lokalizacijskemu filtru, kjer namesto polnega predlagamo filter z ločenimi kanali. Za združevanje konvolucijskih odzivov posameznih kanalov predlagamo povprečenje in uteženo povprečenje. Zamenjamo tudi učni algoritem, in sicer uporabimo najstrmejši spust. Poleg lokalizacije podobno formulacijo DCF uporabimo tudi v segmentacijskem delu sledilnika. Definiramo več različic sledilnika D3S, kjer vsaka testira posamezno spremembo. Za evalvacijo uporabimo ogrodje VOT in podatkovno zbirko VOT2021. Rezultati pokažejo, da učenje po ločenih kanalih sicer izboljša natančnost, vendar pa pade robustnost, zato je bolj smiselna uporaba polnih filtrov. Obetavne rezultate vrne menjava učnega algoritma, kjer se uspešnost sledilnika sicer zmanjša za 1.6 %, vendar pa v povprečju deluje 23 % hitreje. V kategoriji nenadzorovanega sledenja, se uspešnost sledilnika z novim učnim algoritmom izboljša za 8 %. Segmentacija z DCF ni prinesla želenih izboljšav. Najboljša različica je osnovno verzijo poslabšala za 13 %. Analiza je pokazala, da je DCF sicer sposoben vračati natančne segmentacije, vendar pa je zelo občutljiv na spremembe izgleda tarče, hkrati pa ga je težko uspešno posodabljati.20222022-04-20 10:00:07Magistrsko delo/naloga136216VisID: 33541COBISS_ID: 105616131sl