一种用于视觉目标跟踪的判别性单样本分割网络
计算机视觉与模式识别
2021-12-28 v2
摘要
基于模板的判别性跟踪器因其鲁棒性目前是主导的跟踪范式，但受限于边界框跟踪和有限的变换模型范围，这降低了其定位精度。我们提出一种判别性单样本分割跟踪器——D3S2，它缩小了视觉目标跟踪与视频目标分割之间的差距。一个单样本网络应用两个具有互补几何特性的目标模型，一个对包括非刚性形变在内的广泛变换不变，另一个假设刚性物体，以同时实现鲁棒的在线目标分割。通过解耦物体与特征尺度估计进一步提高了整体跟踪可靠性。无需逐数据集微调，且仅以分割作为主要输出进行训练，D3S2 在近期短期跟踪基准 VOT2020 上优于所有已发表的跟踪器，并在 GOT-10k、TrackingNet、OTB100 和 LaSoT 上表现非常接近最先进跟踪器。D3S2 在视频目标分割基准上优于领先的分割跟踪器 SiamMask，并与顶级视频目标分割算法表现相当。
引用
@article{arxiv.2112.11846,
title = {A Discriminative Single-Shot Segmentation Network for Visual Object Tracking},
author = {Alan Lukežič and Jiří Matas and Matej Kristan},
journal= {arXiv preprint arXiv:2112.11846},
year = {2021}
}
备注
Extended version of the D3S tracker (CVPR2020). Accepted to IEEE TPAMI. arXiv admin note: substantial text overlap with arXiv:1911.08862