基于圆形损失函数的端到端旋转边界框深度目标跟踪
计算机视觉与模式识别
2020-12-18 v1 机器学习
摘要
目标跟踪任务在自动驾驶、智能监控、机器人等众多应用中至关重要。该任务要求在给定的视频流中为一物体分配边界框，且仅提供该物体首帧的边界框。2015年，一种新的视频目标跟踪(VOT)数据集被创建，其引入旋转边界框作为轴对齐边界框的扩展。本文中，我们提出一种基于Transformer多头注意力架构的新型端到端深度学习方法。我们还提出一种考虑边界框重叠与朝向的新型损失函数。我们的带圆形损失函数的深度目标跟踪模型(DOTCL)在鲁棒性上相较当前最先进的端到端深度学习模型有显著提升。在VOT2018数据集上，其依据期望平均重叠(EAO)指标的表现为亦优于最先进的目标跟踪方法。
引用
@article{arxiv.2012.09771,
title = {End-to-end Deep Object Tracking with Circular Loss Function for Rotated Bounding Box},
author = {Vladislav Belyaev and Aleksandra Malysheva and Aleksei Shpilman},
journal= {arXiv preprint arXiv:2012.09771},
year = {2020}
}