基于门控融合的可变形目标跟踪
计算机视觉与模式识别
2019-04-12 v2
摘要
通过与时序卷积神经网络（CNNs）的集成，基于检测跟踪的框架受到越来越多的关注。然而，现有的基于检测跟踪的方法无法跟踪具有剧烈外观变化的物体。这是因为传统的卷积操作在固定网格上进行，因此当物体改变姿态或处于变化的环境条件下时，可能无法找到正确的响应。在本文中，我们提出一种可变形卷积层，以丰富基于检测跟踪框架中的目标外观表示。我们旨在通过可变形卷积捕获目标外观变化，其自适应地增强其原始特征。此外，我们还提出一种门控融合方案，以控制可变形卷积捕获的变化如何影响原始外观。通过可变形卷积得到的丰富特征表示有助于 CNN 分类器对目标物体与背景的判别。在标准基准上的大量实验表明，所提出的跟踪器相比最先进的方法表现更优。
引用
@article{arxiv.1809.10417,
title = {Deformable Object Tracking with Gated Fusion},
author = {Wenxi Liu and Yibing Song and Dengsheng Chen and Shengfeng He and Yuanlong Yu and Tao Yan and Gerhard P. Hancke and Rynson W. H. Lau},
journal= {arXiv preprint arXiv:1809.10417},
year = {2019}
}