对抗式半监督多域跟踪

用于多域学习的神经网络通过共享与协同学习参数，实现了来自不同域信息的有效结合。在视觉跟踪中，在多域跟踪器共享层中涌现的特征（该跟踪器在多种序列上训练）对于在未见视频中的跟踪至关重要。然而，在完全共享的架构中，部分涌现特征仅在特定域中有用，降低了所学特征表示的泛化能力。我们提出一种半监督学习方案，利用对抗学习分离域不变与域特定特征，以促使二者相互排斥，并利用自监督学习借助无标签储备增强共享特征。通过采用这些特征并为每个序列训练专用层，我们构建了一个在不同类型视频上表现卓越的跟踪器。