描述并关注以跟踪：基于自然语言引导的结构表示与视觉注意力学习目标跟踪
计算机视觉与模式识别
2018-11-28 v2
摘要
基于检测跟踪的框架需要一组正、负训练样本来学习鲁棒的跟踪模型，以精确目标定位。然而，现有跟踪模型大多独立对待不同样本，而忽略了它们之间的关联信息。本文中，我们提出一种新颖的结构感知深度神经网络以克服此类局限。具体地，我们构建图来表示训练样本间的成对关系，并额外以自然语言作为监督信息来鲁棒地学习特征表示与分类器。为细化目标状态并在目标从严重遮挡和视野外重新回到视野时重新跟踪，我们精心设计了新颖子网络，以从视觉与自然语言线索的引导中学习目标驱动的视觉注意力。在五个跟踪基准数据集上的大量实验验证了我们所提方法的有效性。
引用
@article{arxiv.1811.10014,
title = {Describe and Attend to Track: Learning Natural Language guided Structural Representation and Visual Attention for Object Tracking},
author = {Xiao Wang and Chenglong Li and Rui Yang and Tianzhu Zhang and Jin Tang and Bin Luo},
journal= {arXiv preprint arXiv:1811.10014},
year = {2018}
}