面向实时目标感知视觉跟踪的深度元学习

本文提出一种基于 Siamese 匹配网络与元学习器网络的新型在线视觉跟踪框架，其以实时速度运行。传统的基于深度卷积特征的判别视觉跟踪算法需要不断重新训练分类器或相关滤波，涉及求解复杂优化任务以适应目标物体的新外观。为缓解这一复杂过程，我们提出的算法引入并利用元学习器网络，通过添加目标感知特征空间，为匹配网络提供目标物体的新外观信息。目标特定特征空间的参数由元学习器网络的单次前向传播即时给出。通过消除跟踪过程中持续求解复杂优化任务的必要性，实验结果表明我们的算法以实时速度运行，同时在其他最先进跟踪算法中保持有竞争力的性能。