Non-rigid objects; Patch-based Model; Superpixel; Foreground-background vote map;
机译:加权多实例学习的鲁棒超像素跟踪
机译:基于Superpixel多特征提取和基于补丁CNN的视网膜硬渗滤物检测的新的深度学习方法
机译:基于补丁的稳定且显着的外观模型,可进行可靠的对象跟踪
机译:基于补丁的关键点共识投票可实现强大的视觉跟踪
机译:基于鲁棒路径的图像分割,使用Superpixel Denoising
机译:单目标跟踪的稳健观测检测:基于确定性和概率补丁的方法
机译:spiKes:用于鲁棒视觉跟踪的超像素关键点结构