DomainSiam：面向视觉目标跟踪的域感知孪生网络
计算机视觉与模式识别
2019-08-22 v1
摘要
视觉目标跟踪是计算机视觉领域的一项基本任务。近来，孪生跟踪器在近期基准上取得了最先进的性能。然而，孪生跟踪器并未充分利用已在图像分类任务上训练过的预训练网络中的语义和物体性信息。此外，预训练的孪生架构被类别标签稀疏激活，导致不必要的计算和过拟合。在本文中，我们提出学习一种域感知机制，即充分利用语义和物体性信息，同时使用岭回归网络产生类别无关的响应。此外，为减少稀疏性问题，我们使用可微的加权动态损失函数求解岭回归问题。我们的跟踪器，称为DomainSiam，在训练阶段改进了特征学习，并增强了对其他域的泛化能力。在五个跟踪基准上进行了广泛实验，包括作为验证集的OTB2013和OTB2015；以及作为测试集的VOT2017、VOT2018、LaSOT、TrackingNet和GOT10k。DomainSiam在这些基准上以53 FPS的运行速度取得了最先进的性能。
引用
@article{arxiv.1908.07905,
title = {DomainSiam: Domain-Aware Siamese Network for Visual Object Tracking},
author = {Mohamed H. Abdelpakey and Mohamed S. Shehata},
journal= {arXiv preprint arXiv:1908.07905},
year = {2019}
}
备注
13 pages