FANet：用于鲁棒 RGB-T 跟踪的质量感知特征聚合网络
计算机视觉与模式识别
2019-10-15 v2
摘要
本文研究如何利用互补的可见光与热红外数据（RGB-T 跟踪）在恶劣与挑战性条件下进行鲁棒视觉跟踪。我们提出一种称为质量感知特征聚合网络(FANet)的新型深度网络架构用于鲁棒 RGB-T 跟踪。不同于现有 RGB-T 跟踪器，我们的 FANet 在每个模态内聚合分层深度特征，以应对由形变、低照度、背景杂波与遮挡引起的显著外观变化挑战。特别地，我们采用最大池化操作将这些分层多分辨率特征变换为具有相同分辨率的统一空间，并使用 1x1 卷积操作压缩特征维度以实现更有效的分层特征聚合。为建模 RGB 与热红外模态间的交互，我们精心设计一个自适应聚合子网络，基于各模态的可靠性整合来自不同模态的特征，从而能够减轻由低质量源引入的噪声影响。整个 FANet 以端到端方式训练。在大规模基准数据集上的大量实验证明了相较其他最先进 RGB-T 跟踪方法的高精度性能。
引用
@article{arxiv.1811.09855,
title = {FANet: Quality-Aware Feature Aggregation Network for Robust RGB-T Tracking},
author = {Yabin Zhu and Chenglong Li and Bin Luo and Jin Tang},
journal= {arXiv preprint arXiv:1811.09855},
year = {2019}
}