更快更简的孪生网络单目标跟踪方法
计算机视觉与模式识别
2021-05-10 v1
摘要
单目标跟踪（SOT）是当前计算机视觉中最重要的任务之一。随着深度网络的发展以及一系列大规模单目标跟踪数据集的发布，孪生网络被提出并表现出优于大多数传统方法的性能。然而，近期的孪生网络为了获得更好性能变得更深更慢，多数方法仅能在理想环境下满足实时目标跟踪需求。为在效率与精度间取得更好平衡，我们提出了一种更简洁的孪生网络用于单目标跟踪，其在较差硬件配置下仍能快速运行且保持优异精度。我们采用更高效的回归方法在更短时间内计算被跟踪物体位置而不损失过多精度。为提升精度并加速训练，我们将挤压激励（SE）网络引入特征提取器。本文中我们将所提方法与若干最先进跟踪器比较并分析其性能。使用我们的方法，孪生网络可用更短时间更少数据完成训练。其快速处理速度使得实时将目标跟踪与目标检测或其他任务结合成为可能。
引用
@article{arxiv.2105.03049,
title = {Faster and Simpler Siamese Network for Single Object Tracking},
author = {Shaokui Jiang and Baile Xu and Jian Zhao and Furao Shen},
journal= {arXiv preprint arXiv:2105.03049},
year = {2021}
}