استفاده از طبقه بند تک کلاسه در ردگیری اشیاء

معمولا مساله ردگیری ویدیو به صورت مساله ی طبقه بندی دودویی مطرح می شود که هدف را از پس زمینه متمایز می کند. طبقه بندهای دودویی که بدین منظور استفاده شده، توانایی ارایه مدل صحیحی از هدف را ندارند که باعث کاهش عملکرد سیستم ردگیر می شود. برای حل این مشکل از طبقه بندهای تک کلاسه استفاده می کنند، هرچند این مشکل تاحدودی توسط این طبقه بندها حل شده است اما به دلیل اینکه آن ها تنها از نمونه های کلاس هدف استفاده می کنند و پس زمینه را در نظر نمی گیرند، ممکن است باز موجب انحراف از هدف شوند. در این مقاله ابتدا به مقایسه عملکرد طبقه بندهای تک کلاسه مختلف در ردگیری پرداخته می شود، و همچنین برای رفع مشکل مذکور از طبقه بند تک کلاسه ای همراه با نمونه های منفی استفاده می شود که اطلاعات صحنه را نیز در ساخت مدل هدف دخالت می دهد. با توجه به نتایج و آزمایش ها، علاوه بر نتایج مقایسه ای، همچنین مشاهده می شود که استفاده از اطلاعات زمینه به عنوان نمونه های منفی در مقایسه با روشی که فقط از نمونه های مثبت استفاده می کند، باعث افزایش قابل ملاحظه کارایی ردگیر می شود.