Publication

The Visual Object Tracking VOT2014 Challenge Results

Kwang Moo Yi, Yang Li, Bo Li, Jiri Matas
2015
Conference Papers

Résumé

The Visual Object Tracking challenge 2014, VOT2014, aims at comparing short-term single-object visual trackers that do not apply pre-learned models of object appearance. Results of 38 trackers are presented. The number of tested trackers makes VOT 2014 the largest benchmark on short-term tracking to date. For each participating tracker, a short description is provided in the appendix. Features of the VOT2014 challenge that go beyond its VOT2013 predecessor are introduced: (i) a new VOT2014 dataset with full annotation of targets by rotated bounding boxes and per-frame attribute, (ii) extensions of the VOT2013 evaluation methodology, (iii) a new unit for tracking speed assessment less dependent on the hardware and (iv) the VOT2014 evaluation toolkit that significantly speeds up execution of experiments. The dataset, the evaluation kit as well as the results are publicly available at the challenge website (http://votchallenge.net).

Source officielle

https://infoscience.epfl.ch/entities/publication/1a4612ba-b0b9-4b8a-96d9-ebc53f380856

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Kwang Moo Yi, Yang Li, Bo Li, Jiri Matas
2015
Conference Papers

Résumé

Source officielle

https://infoscience.epfl.ch/entities/publication/1a4612ba-b0b9-4b8a-96d9-ebc53f380856

À propos de ce résultat

Concepts associés (12)

Minimum bounding box

In geometry, the minimum or smallest bounding or enclosing box for a point set S in N dimensions is the box with the smallest measure (area, volume, or hypervolume in higher dimensions) within which all the points lie. When other kinds of measure are used, the minimum box is usually called accordingly, e.g., "minimum-perimeter bounding box". The minimum bounding box of a point set is the same as the minimum bounding box of its convex hull, a fact which may be used heuristically to speed up computation.

Volume englobant

Dans les domaines de la synthèse d'image et de la géométrie algorithmique, un volume englobant pour un ensemble d'objets est un volume fermé qui contient entièrement l'union de l'ensemble des objets. Les volumes englobants sont utilisés pour améliorer l'efficacité des opérations géométriques en utilisant des volumes simples, qui contiennent des objets beaucoup plus complexes. Normalement, plus un volume est simple plus le test de chevauchement est simple. Les volumes englobants sont le plus souvent utilisés pour accélérer certains types de tests.

Description définie

Une description définie est une expression de la forme le X, dans laquelle X est un nom commun ou une locution nominale décrivant un individu ou un objet déterminé, et un seul (par exemple, « le premier singe de l'espace » ou « le 42 président des États-Unis »). À la différence du nom propre, une description définie ne nomme pas un objet, mais affirme, selon Russell, qu'il existe un et un seul objet qui satisfait cette description. Russell a développé l'idée de description définie dans l'article On denoting (1905), en opposition à la philosophie du langage frégéenne.

Afficher plus

Publications associées (2)

A Machine Learning-based Framework for Forecasting Sales of New Products With Short Life Cycles Using Deep Neural Networks

Ralf Seifert, Yara Kayyali El Alem

Demand forecasting is becoming increasingly important as firms launch new products with short life cycles more frequently. This paper provides a framework based on state-of-the-art techniques that enables firms to use quantitative methods to forecast sales ...

2022

Concept Discovery for The Interpretation of Landscape Scenicness

Devis Tuia

In this paper, we study how to extract visual concepts to understand landscape scenicness. Using visual feature representations from a Convolutional Neural Network (CNN), we learn a number of Concept Activation Vectors (CAV) aligned with semantic concepts ...

2020