DAWN：用于无监督视频目标跟踪的双增强记忆网络
计算机视觉与模式识别
2019-08-09 v2
摘要
心理学研究发现人类视觉跟踪系统涉及学习、记忆和规划。尽管近期取得进展，但关注基于深度学习的跟踪中记忆与规划的工作并不多。因此我们感兴趣于记忆增强网络，其中外部记忆在不通过反向传播更新权重的情况下记住目标（前景）物体演化的外观。我们的双增强记忆网络（DAWN）的独特之处在于同时记忆目标和背景，并使用改进的注意力LSTM记忆来引导对记忆特征的关注。DAWN在无监督跟踪中能有效处理完全遮挡、严重运动模糊、目标外观突变、多目标实例以及相似前景与背景特征。我们给出了与包括近期VOT挑战赛顶尖竞争者在内的最先进方法的广泛定量与定性实验比较。值得注意的是，尽管实现直接，DAWN在VOT2016和VOT2017挑战赛中均排名第三，在两个挑战赛中所有运行于fps > 10的VOT快速跟踪器中以优异成功率进行无监督跟踪。我们提出DAWN-RPN，仅将我们的记忆和注意力LSTM模块增强到最先进的SiamRPN上，并报告了即时的性能提升，从而证明DAWN能良好工作并直接惠及其他模型以处理困难情形。
引用
@article{arxiv.1908.00777,
title = {DAWN: Dual Augmented Memory Network for Unsupervised Video Object Tracking},
author = {Zhenmei Shi and Haoyang Fang and Yu-Wing Tai and Chi-Keung Tang},
journal= {arXiv preprint arXiv:1908.00777},
year = {2019}
}
备注
Zhenmei and Haoyang have equal contribution