用于实时目标跟踪的双孪生网络
计算机视觉与模式识别
2018-02-27 v1
摘要
观察到在图像分类任务中学习的语义特征与在相似度匹配任务中学习的外观特征相互补充，我们构建了一个名为SA-Siam的双孪生网络，用于实时目标跟踪。SA-Siam由一个语义分支和一个外观分支组成。每个分支都是一个相似度学习的孪生网络。SA-Siam中的一个重要设计选择是分别训练两个分支以保持两类特征的异质性。此外，我们为语义分支提出了一种通道注意力机制。通道权重根据目标位置周围的通道激活来计算。虽然从SiamFC \cite{SiamFC} 继承的架构使我们的跟踪器能够以超过实时的速度运行，但双分支设计和注意力机制显著改善了跟踪性能。所提出的SA-Siam在OTB-2013/50/100基准上大幅优于所有其他实时跟踪器。
引用
@article{arxiv.1802.08817,
title = {A Twofold Siamese Network for Real-Time Object Tracking},
author = {Anfeng He and Chong Luo and Xinmei Tian and Wenjun Zeng},
journal= {arXiv preprint arXiv:1802.08817},
year = {2018}
}
备注
Accepted by CVPR'18