使用深度學習演算法實現圖像目標跟蹤，該怎麼做？機器學習剛入門，完全沒頭緒。?

12-16

對於剛入門的同學，建議先把非deep learning的傳統方法怎麼做跟蹤稍微學習一下。

dl只是一種優化方法。但是如果連要優化什麼都不知道的話，顯然是不應該閉著眼睛擼deep models的。畢竟地球變暖人人有責

我也認為應該先把傳統的方法搞清楚，再去看一系列用深度學習來做的演算法，不然估計理解困難

目標跟蹤與深度學習沒有什麼必然的聯繫。

深度學習是通過神經網路學習出圖像合理的特徵，也就是把圖片轉成合理的字元串，深度學習主要是用來解決分類的。

目標跟蹤是在分類識別或選定一個物體以後，持續跟蹤其運動狀態。建議你可以看看TLD，這是非常經典的跟蹤演算法。時間上來說，識別在前，跟蹤在後。但對於跟蹤來說，對物體進行分類識別並不是必須的。

你可以邀請@Naiyan Wang 大神來回答，絕對專業！

把深度學習基礎理論、CNN、FCN，各種常用的網路框架，以及kcf學一下，然後讀一下iccv2015裡面用深度學習做跟蹤的文章（hcf,fcnt等），以及mdnet。還有CVPR2016的SINT。

multi object tracking benchmark裡面有一些開源的代碼，有基於深度學習做的!深度學慣用來做tracking，利用的主要是深度學習可以提取更加具有表徵能力的特徵向量!如果樓主短期內想做一個小的demo的話，先裝一個RGB大神的fast R CNN庫，找一個data association方法，把相鄰幀的檢測結果連起來!順序播放每一幀!以上體提的思路算是目前做tracking的一個方向!邏輯混亂還請見諒!

發表一下拙見。
我認為目標跟蹤可以看成連續的物體識別問題。就是識別特定的物體，這一方面跟人臉識別什麼應該類似。
另外，跟蹤物體可能會涉及到多角度問題，一會可能是後面，一會可能是側面，對於這，可對於一些不同角度建立訓練空間，用集成方法解決。
比如周志華老師有篇論文，多角度識別人臉，就是用多個神經網路分別識別不同角度的人臉，在用一個神經網路對他們進行集成。
不對的地方請大家指教。

DS KCF

你現在有思路了么？

深度學習的坑已經這麼爛了么。。。剛入門就來