设为首页收藏本站

VALSE

VALSE 首页 活动通知 查看内容

20190508-11 踪迹谁知 - 视觉目标跟踪

2019-5-5 17:29| 发布者: 程一-计算所| 查看: 481| 评论: 0

摘要: VALSE Webinar改版说明:自2019年1月起,VALSE Webinar改革活动形式,由过去每次一个讲者的方式改为两种可能的形式:1)Webinar专题研讨:每次活动有一个研讨主题,先邀请两位主题相关的优秀讲者做专题报告(每人30 ...

VALSE Webinar改版说明:

自2019年1月起,VALSE Webinar改革活动形式,由过去每次一个讲者的方式改为两种可能的形式:

1)Webinar专题研讨:每次活动有一个研讨主题,先邀请两位主题相关的优秀讲者做专题报告(每人30分钟),随后邀请额外的2~3位嘉宾共同就研讨主题进行讨论(30分钟)。

2)Webinar特邀报告:每次活动邀请一位资深专家主讲,就其在自己熟悉领域的科研工作进行系统深入的介绍,报告时间50分钟,主持人与主讲人互动10分钟,自由问答10分钟。


报告时间:2019年5月8日(星期三)晚上20:00(北京时间)

主题:踪迹谁知 -  视觉目标跟踪

主持人:马超(上海交通大学 )


报告嘉宾:凌海滨(Temple University

报告题目:Robust Visual Tracking: Dataset 

and Algorithm


报告嘉宾:李搏(商汤科技)

报告题目:SiamRPN++: Evolution of Siamese Visual Tracking with Very Deep Networks


报告嘉宾:王强(中科院自动化研究所)

报告题目:Fast Online Object Tracking and Segmentation: A Unifying Approach


Panel议题:

  1. 目标分类,检测,分割以及多目标跟踪和VOT任务有什么联系?与目标检测相比,目标跟踪算法的重要性是否要小很多?

  2. 与目标检测相比,如何有效提升目标跟踪对整个计算机视觉领域的影响力?

  3. 视觉目标跟踪算法通常以提供时序上的轨迹信息为主要任务,目前真正利用目标跟踪得到的轨迹信息帮助提升高层视觉应用的例子有哪些?视觉目标跟踪在实际问题中还有哪些价值?

  4. 如何看待视觉目标跟踪算法在速度与性能上的平衡?

  5. 如何看待视觉目标跟踪在算法与模型上的创新与在数据集上竞赛名次的冲突?

  6. 当前目标跟踪数据集越来越多,每个算法在不同数据集上的表现都不一样,如何客观公正地评估目标跟踪算法的性能?是不是又回到了OTB之前的状态?

  7. 如何看待视觉目标跟踪当前各种深度学习算法采用的训练数据集不一致的问题?

  8. 视觉目标跟踪有哪些新的方向?


Panel嘉宾:

凌海滨(Temple University)、王强(中科院自动化研究所)、Ming-Hsuan Yang(University of California at Merced)、卢湖川(大连理工大学)


*欢迎大家在下方留言提出主题相关问题,主持人和panel嘉宾会从中选择若干热度高的问题加入panel议题!

报告嘉宾:凌海滨(Temple University)

报告时间:2019年5月8日(星期三)晚上20:00(北京时间)

报告题目:Robust Visual Tracking: Dataset 

and Algorithm


报告人简介:

凌海滨,北京大学学士和硕士,美国马里兰大学博士,加州大学洛杉矶分校博士后。曾任微软亚洲研究院助理研究员,西门子研究院研究员。现任美国天普大学(Temple University)计算机系副教授。获2003年度ACM UIST最佳学生论文奖,2014年度美国自然科学基金CAREER Award。担任期刊IEEE Trans. On Pattern Analysis and Machine Intelligence (PAMI),Computer Vision and Image Understanding (CVIU),和Pattern Recognition的编委,以及CVPR 2014、CVPR 2016和CVPR 2019年的领域主席。


个人主页:

http://www.dabi.temple.edu/~hbling/


报告摘要:

在本报告中,我们先对本课题组在跟踪中方面的工作做一个回顾和总结,然后介绍几项最近的工作,包括最新提出的无模式跟踪数据评测集LaSOT,基于cascaded RPN的跟踪算法,平面AR跟踪数据集POT210,以及基于图匹配的平面跟踪算法。


参考文献:

[1] LaSOT: A High-quality Benchmark for Large-scale Single Object Tracking, Heng Fan, Liting Lin, Fan Yang, Peng Chu, Ge Deng, Sijia Yu, Hexin Bai, Yong Xu, Chunyuan Liao, Haibin Ling, CVPR 2019

[2] Siamese Cascaded Region Proposal Networks for Real-Time Visual Tracking, Heng Fan, Haibin Ling, CVPR 2019

[3] Planar Object Tracking in the Wild: A Benchmark, Pengpeng Liang, Yifan Wu, Hu Lu, Liming Wang, Chunyuan Liao, Haibin Ling, ICRA 2018

[4] Gracker: A Graph-based Planar Object Tracker, Tao Wang, Haibin Ling, TPAMI 2018

报告嘉宾:李搏(商汤科技)

报告时间:2019年5月8日(星期三)晚上20:30(北京时间)

报告题目:SiamRPN++: Evolution of Siamese Visual Tracking with Very Deep Networks


报告人简介:

本科毕业于北京航空航天大学,目前就职于商汤科技。主要的研究方向是跟踪(单目标跟踪/多目标跟踪),发表了2篇CVPR,1篇ECCV,获得VOT2018视觉跟踪竞赛实时组冠军。


个人主页:

bo-li.info


报告摘要:

在报告中,我们先回顾孪生网络相关的视觉跟踪算法,介绍了我们基于孪生网络和区域推荐算法(SiamRPN)一系列文章的改进思路。新工作(SiamRPN++)解决了孪生网络中无法使用现代化深度网络的限制,使得跟踪性能得到极大的提升,并在多个数据集上取得state-of-the-art的结果。


参考文献:

[1] High Performance Visual Tracking With Siamese Region Proposal Network,Bo Li, Junjie Yan, Wei Wu, Zheng Zhu, Xiaolin Hu, CVPR 2018 (spotlight)

[2] Distractor-aware Siamese Networks for Visual Object Tracking, Zheng Zhu, Qiang Wang, Bo Li, Wei Wu, Junjie Yan, Weiming Hu, ECCV 2018

[3] SiamRPN++: Evolution of Siamese Visual Tracking with Very Deep Networks, Bo Li, Wei Wu, Qiang Wang, Fangyi Zhang, Junliang Xing, Junjie Yan, CVPR 2019(oral)

报告嘉宾:王强(中科院自动化研究所)

报告时间:2019年5月8日(星期三)晚上21:00(北京时间)

报告题目:Fast Online Object Tracking and Segmentation: A Unifying Approach


报告人简介:

王强,中科院自动化研究所直博4年级,研究领域主要围绕实时目标跟踪算法,曾发表CCF-A类文章6篇,获得VOT2018视觉跟踪竞赛实时组冠军。


个人主页:

http://www.robots.ox.ac.uk/~qwang/


报告摘要:

在报告中,我们首先回顾基于孪生网络的视觉跟踪发展以及近期的视频目标分割发展。提出统一的实时目标跟踪以及视频分割框架。该方法(SiamMask)在离线过程中将实例分割分支引入孪生网络学习来提升视觉跟踪的表述精度。训练完成后,该方法只需矩形框进行初始化,即可完成视频目标分割任务。该方法在实时目标跟踪领域取得当前最高的精度性能,同时显著提升了视频目标分割的速度。


参考文献:

[1] Fast Online Object Tracking and Segmentation: A Unifying Approach, Qiang Wang, Li Zhang, Luca Bertinetto, Weiming Hu, Philip H.S. Torr, CVPR2019

Panel嘉宾:Ming-Hsuan Yang(University of California at Merced)


嘉宾简介:

Ming-Hsuan Yang is a Professor in Electrical Engineering and Computer Science at University of California, Merced, and a research scientist at Google. He received the PhD degree in Computer Science from the University of Illinois at Urbana-Champaign in 2000. He serves as an area chair for several conferences including IEEE Conference on Computer Vision and Pattern Recognition, IEEE International Conference on Computer Vision, European Conference on Computer Vision, Asian Conference on Computer, and AAAI National Conference on Artificial Intelligence. He serves as a program co-chair for IEEE International Conference on Computer Vision in 2019 as well as Asian Conference on Computer Vision in 2014, and general co-chair for Asian Conference on Computer Vision in 2016. He serves as an associate editor of the IEEE Transactions on Pattern Analysis and Machine Intelligence (2007 to 2011), International Journal of Computer Vision, Computer Vision and Image Understanding, Image and Vision Computing, and Journal of Artificial Intelligence Research. Yang received the Google faculty award in 2009, and the Distinguished Early Career Research award from the UC Merced senate in 2011, the Faculty Early Career Development (CAREER) award from the National Science Foundation in 2012, and the Distinguished Research Award from UC Merced Senate in 2015. He receives paper awards from UIST, ACCV, and CVPR. He is an IEEE Fellow.


个人主页:

http://faculty.ucmerced.edu/mhyang/

Panel嘉宾:卢湖川(大连理工大学)


嘉宾简介:

卢湖川,大连理工大学创新学院院长, 信息与通信工程学院教授、博士生导师,国家杰出青年基金获得者,科技部中青年创新领军人才,IEEE和ACM高级会员,IEEE Transaction on Cybernetics 和 IEEE Transactions on Circuits, Systems for Video Technology的Associate Editor。分别于1995年和1998年在大连理工大学电子工程系获工学学士和硕士学位,2008年于大连理工大学工业与系统工程专业获工学博士学位。这期间,分别在日本立命馆大学、香港理工大学、新加坡国立大学短期访问。近年来主要从事图像处理与理解、计算机视觉、模式识别和机器学习方面的教学与科研工作,主持多项国家自然科学基金项目和国际合作项目。迄今已在国际期刊/国际会议上发表学术论文200余篇,其中计算机学会(CCF)推荐A类期刊和会议90余篇,在本领域顶级国际会议CVPR/ICCV/ECCV 发表论文40篇,获得了ICCV2011 Most Remembered Poster,ICIP2012 Best Student Paper Award Finalist, IET Image Processing Best Paper Award,ESI高引用论文8篇,SCI他引4000余次,Google Scholar他引13000余次。


个人主页:

http://ice.dlut.edu.cn/lu/index.html


19-11期VALSE在线学术报告参与方式:


长按或扫描下方二维码,关注“VALSE”微信公众号(valse_wechat),后台回复“11期”,获取直播地址。



特别鸣谢本次Webinar主要组织者:

主办AC:欧阳万里(悉尼大学)

协办AC:马超(上海交通大学),樊彬(中科院自动化研究所),王栋(大连理工大学)

责任AC:高陈强(重庆邮电大学)


活动参与方式:

1、VALSE Webinar活动依托在线直播平台进行,活动时讲者会上传PPT或共享屏幕,听众可以看到Slides,听到讲者的语音,并通过聊天功能与讲者交互;

2、为参加活动,请关注VALSE微信公众号:valse_wechat 或加入VALSE QQ群(目前A、B、C、D、E、F、G、H、I群已满,除讲者等嘉宾外,只能申请加入VALSE J群,群号:734872379);

*注:申请加入VALSE QQ群时需验证姓名、单位和身份,缺一不可。入群后,请实名,姓名身份单位。身份:学校及科研单位人员T;企业研发I;博士D;硕士M。

3、在活动开始前5分钟左右,讲者会开启直播,听众点击直播链接即可参加活动,支持安装Windows系统的电脑、MAC电脑、手机等设备;

4、活动过程中,请不要说无关话语,以免影响活动正常进行;

5、活动过程中,如出现听不到或看不到视频等问题,建议退出再重新进入,一般都能解决问题;

6、建议务必在速度较快的网络上参加活动,优先采用有线网络连接;

7、VALSE微信公众号会在每周四发布下一周Webinar报告的通知及直播链接。

8、Webinar报告的PPT(经讲者允许后),会在VALSE官网每期报告通知的最下方更新[slides]

9、Webinar报告的视频(经讲者允许后),会更新在VALSE爱奇艺空间,请在爱奇艺关注Valse Webinar进行观看。

Archiver|手机版|小黑屋|Vision And Learning SEminar    

GMT+8, 2019-5-22 05:10 , Processed in 0.033719 second(s), 16 queries .

Powered by Discuz! X3.2

© 2001-2013 Comsenz Inc.

返回顶部