DCFNet：用于视觉跟踪的判别式相关滤波网络
计算机视觉与模式识别
2017-04-14 v1
摘要
基于判别式相关滤波（DCF）的方法如今已成为在线目标跟踪的一种主导方法。然而，这些方法中所用的特征要么基于如HoGs之类的手工特征，要么基于从诸如图像分类等其他任务独立训练的卷积特征。在这项工作中，我们提出一种端到端的轻量级网络架构，即DCFNet，以同时学习卷积特征并执行相关跟踪过程。具体而言，我们将DCF视为添加到孪生网络中的一个特殊相关滤波层，并通过将网络输出定义为目标位置的概率热图，仔细推导了其反向传播。由于推导仍在傅里叶频域中进行，DCF的效率特性得以保留。这使得我们的跟踪器在测试时以超过60 FPS的速度运行，同时相比使用HoGs的KCF实现了显著的精度提升。在OTB-2013、OTB-2015和VOT2015基准上的大量评估表明，所提出的DCFNet跟踪器与几种最先进（state-of-the-art）跟踪器相比具有竞争力，同时更加紧凑且快得多。
引用
@article{arxiv.1704.04057,
title = {DCFNet: Discriminant Correlation Filters Network for Visual Tracking},
author = {Qiang Wang and Jin Gao and Junliang Xing and Mengdan Zhang and Weiming Hu},
journal= {arXiv preprint arXiv:1704.04057},
year = {2017}
}
备注
5 pages, 4 figures