一种用于孪生网络跟踪器的强特征表示
计算机视觉与模式识别
2019-07-19 v1
摘要
目标跟踪在用于个性化监测的辅助技术中具有重要应用。近期选择AlexNet作为骨干提取特征的跟踪器取得了巨大成功。然而，AlexNet过浅难以形成强特征表示，基于孪生网络的跟踪器与最先进算法相比存在精度差距。为解决此问题，本文提出一种称为SiamPF的跟踪器。首先，将修改后的预训练VGG16网络微调作为骨干。其次，在第三卷积层后添加类AlexNet分支，并与骨干网络的响应图融合形成初步强特征表示。然后，设计通道注意力块以自适应选择贡献特征。最后，改进APCE以处理响应图，减少干扰并使跟踪器聚焦于目标。我们的SiamPF仅使用ILSVRC2015-VID进行训练，但在OTB-2013 / OTB-2015 / VOT2015 / VOT2017上取得了优异性能，同时在GTX 1080Ti上保持41FPS的实时性能。
引用
@article{arxiv.1907.07880,
title = {A Strong Feature Representation for Siamese Network Tracker},
author = {Zhipeng Zhou and Rui Zhang and Dong Yin},
journal= {arXiv preprint arXiv:1907.07880},
year = {2019}
}