DeepMix：用于鲁棒视觉目标跟踪的在线自动数据增强

通过历史帧样本在线更新目标模型对于准确的视觉目标跟踪至关重要。近期工作主要关注构建有效且高效的更新方法，而忽视了用于学习判别性目标模型的训练样本，后者同样是学习问题的关键部分。本文中，我们提出DeepMix，其将历史样本的嵌入作为输入并在线生成增强嵌入，从而增强最先进的视觉目标跟踪在线学习方法。更具体地，我们首先提出用于跟踪的在线数据增强，通过目标感知滤波对历史样本进行在线增强。然后，我们提出MixNet，这是一个离线训练的网络，用于一步内执行在线数据增强，在保持最先进在线学习方法高速度的同时提升跟踪精度。在三种不同跟踪框架（即DiMP、DSiam和SiamRPN++）以及三个大规模且具有挑战性的数据集（即OTB-2015、LaSOT和VOT）上的大量实验证明了所提方法的有效性与优势。