DCF-ASN：基于判别相关滤波与注意力孪生网络的由粗到细实时视觉跟踪
计算机视觉与模式识别
2021-03-22 v1
摘要
判别相关滤波 (DCF) 与孪生网络分别凭借其优越的计算效率和可靠的相似度度量学习，在视觉跟踪任务上取得了可喜性能。然而，如何有效利用强大的深度网络优势，同时保持 DCF 的实时响应，仍是一个具有挑战性的问题。将互相关算子作为独立层嵌入孪生网络是提升跟踪精度的流行选择。作为此类网络的关键组件，相关层与网络其他部分一起在线更新。然而，在面对严重干扰时，融合跟踪器仍可能因误差累积而完全偏离目标。为解决这些问题，我们提出了一种由粗到细的跟踪框架，先通过在线更新的 DCF 模块粗略推断目标状态，随后通过离线训练的非对称孪生网络 (ASN) 精细定位目标。得益于 DCF 的引导以及通过利用给定真值模板所获得的学得通道权重，ASN 精炼特征表示并实现精确目标定位。在五个流行跟踪数据集上的系统实验表明，所提出的 DCF-ASN 在取得最先进 (state-of-the-art) 性能的同时展现出良好的跟踪效率。
引用
@article{arxiv.2103.10607,
title = {DCF-ASN: Coarse-to-fine Real-time Visual Tracking via Discriminative Correlation Filter and Attentional Siamese Network},
author = {Xizhe Xue and Ying Li and Xiaoyue Yin and Qiang Shen},
journal= {arXiv preprint arXiv:2103.10607},
year = {2021}
}