精确的无锚框跟踪
计算机视觉与模式识别
2020-06-16 v1
摘要
视觉目标跟踪是计算机视觉的一项重要应用。近来，基于孪生网络的跟踪器已取得了良好的精度。然而，大多数基于孪生网络的跟踪器效率不高，因为它们穷举搜索潜在的目标位置以定义锚框，然后对每个锚框（即一个边界框）进行分类。本文开发了首个无锚框孪生网络（AFSN）。具体而言，目标物体由边界框中心、跟踪偏移量和物体尺寸定义。这三者均由孪生网络直接回归，无需额外的分类或区域提议步骤，且每帧仅执行一次。我们还调整了孪生网络的步长和感受野，并进一步进行了消融实验，以定量说明我们 AFSN 的有效性。我们使用五个最常用的基准测试集评估 AFSN，并与每个基准测试集上可获取源代码的最佳基于锚框的跟踪器进行比较。AFSN 比这些最佳基于锚框的跟踪器快 3 到 425 倍。在 OTB2015、VOT2015、VOT2016、VOT2018 和 TrackingNet 基准测试集的所有指标上，AFSN 的精度也高出 5.97% 至 12.4%，除了在 VOT2018 上 SiamRPN++ 的期望平均重叠率（EAO）比 AFSN 高 4%（但 SiamRPN++ 慢了 3.9 倍）。
引用
@article{arxiv.2006.07560,
title = {Accurate Anchor Free Tracking},
author = {Shengyun Peng and Yunxuan Yu and Kun Wang and Lei He},
journal= {arXiv preprint arXiv:2006.07560},
year = {2020}
}
备注
10 pages, 11 figures