用于在线视觉跟踪的深度流协同网络
计算机视觉与模式识别
2019-11-06 v1 机器学习
摘要
基于深度学习的视觉跟踪算法（如MDNet）借助深度神经网络的特征提取能力取得了高性能。然而，由于对视频中每帧进行特征提取缓慢，这些跟踪器的跟踪效率并不高。本文提出一种有效的跟踪算法以缓解耗时问题。具体而言，我们设计了一个深度流协同网络，仅在稀疏关键帧上执行代价高昂的特征网络，并通过光流将特征图传递至其他帧。此外，我们提出一种有效的自适应关键帧调度机制以选择最合适的关键帧。我们在大规模数据集OTB2013与OTB2015上评估了所提方法。实验结果表明，我们的算法同时实现了可观的加速与高精度。
引用
@article{arxiv.1911.01786,
title = {Deep Flow Collaborative Network for Online Visual Tracking},
author = {Peidong Liu and Xiyu Yan and Yong Jiang and Shu-Tao Xia},
journal= {arXiv preprint arXiv:1911.01786},
year = {2019}
}